Escolar Documentos
Profissional Documentos
Cultura Documentos
1
o CONCEPTOS BÁSICOS.
~
;:J RESOLUCiÓN
~
,~
DE ECUACIONES
~
<
U
Prerrequisitos.
1.1. Motivación.
1.2. Error,precmwnyexacüwd
1.3. Números exactos y aproximados.
1.4. Soluciones aproximadas de ecuaciones de una variable.
1.5. Métodos cerrados.
1.6. Método del punto fijo.
1.7. Método de Newton-Raphson.
1.8. Método de la secante.
Recordemos que...
Prerrequisitos
~~~lt~~~~~~~~!lMI_
• Límites.
• Sucesiones.
• Suma de los términos de una serie geométrica.
• Polinomios.
• Desigualdades.
• Funciones continuas.
• Derivada de una función. lnterpretación geométrica de la derivada.
• Desarrollo en serie de una función.
1
1. Conceptos básicos. Resolución de ecuaciones
• Series de funciones.
• Representación gráfica de funciones.
• Ecuación de una recta. =--__ - :-r--":11
• Resolución de ecuaciones. C' :':r
1.1. Motivación
..L =~ . _ J::: 31
2
teciones 1. 1. Motivación
-
L . -:'_~.~ro
a.. _:::.~,:r::.s o los orde- función f es difícil de evaluar en un punto o su evaluación requiere gran
(~:e,;:r.c~. hacen falta cantidad de tiempo. Sin embargo, un polinomio es fácil de evaluar. Además,
a, ';: '.:"llxidos. a menudo no necesitamos el valor exacto de f(e), sino sólo un valor cercano
:" ..:....-.:;::-.,:'r~~. entra en a él.
'C;:- " !.:ciones efecti- Una forma de determinar el polinomio es haciendo que cumpla algunas
..:. ,;:' .J,J~ ~e puedan condiciones. Lo primero que pedimos, en este caso, es que la función f y la
~;::-:-::"-:-.l~na muy útil, aproximación P; coincidan en el punto e. Si fes derivable y la derivada es con-
;;.: :.e. s métodos nu- tinua, también pediremos l' (e) = P,; (e). Sifes dos veces derivable con conti-
; - . ~ . ~:T.2~ que no se nuidad, una nueva condición sería 1" (e) = P~ (e) y así sucesivamente, mientras
[-;: z;:-.eralmente, lo f sea derivable y la derivada sea continua. El polinomio que se determina así es
L ' . : . 1 e"l aceptable el Polinomio de Taylor.
(" - e~'':: Esto signifi-
, .: ~e::':l,jad y tiene
3
1. Conceptos básicos. Resolución de ecuaciones
I, Teorema de Taylor
Sea f una función con derivada n-ésima continua en el intervalo la, b J e IR que
además es derivable hasta orden n + 1 en (a, b). Sea e E (a, b). Entonces para cada
x E (a, b) se veriflca que
n!
R" (x) == .
F:"! z" ) (x - c)i1+J con Zn E (e, x)
(n+l)!
4
ectoties 1. 1. Motivación
IR(x)I=·
I I(n+l)!! (n+l)!
fiak' la. iR que
b] e ,r
.:::,
1
SUP/Ele.Xi. f H I' ( ti'.
1)
.t-C
1"+ 1
¡Eatooces para cada (n+l)!
I
_ - :::~ -=..:~-:ro de f, es
r~ :-:'--=' -:11 vez del
Una vez que tenemos las derivadas y su valor en x = O, podemos determi
nar el polinomio de Taylor de grado 3
L - -c:' ..;u-: el error
.: ":::--', esperar co
-; : ::' e: verdadero f"(O) fllleO)
P, (x) = feo)+.f'(O)(x- O)+~(:r-O)" +3!(x - 0)3
:: ;~..:~:' .íel polino
_~ 5::-. embargo. O , -1 3 J 3 <~: I ,!
=O+lX+-T +-x =x--x /"j
i::, "::-:'.:". --'(1IDO mu 2! 3! 3!
. -"- - '..: -::<:er encon
~ - ..': _ :':..:~ de cada
5
1. Conceptos básicos. Resolución de ecuaciones
\P3\ 4
6
2
/
,/
x=
f \ , EjtlllJl
__ ,~--,----;~J,,--_,--------,\:""-,'_"
__
,..3,t4-". 1,57
P~/' -2
,
., f, '.. Ó.l:
har.: .
·
·,,,··
-4
.,
,, -6
=
Figura 1.1. Polinomios de Taylor de sen x.
O , -1 '1 O ~ 1 '1
=O+lx+-.c+-x +-x =X--X' portar.::= • J
21 3! 4! 3!
slernrr:= ~,..,¡
(7 ) I
I
1f
R (0.3) I ='
3+ [ J
~n 1(0.3 - 0)3+[ 1= Isen 7 I(O
"JI 3)~ ::;;
sup
tE(O,O,3)
Isen t I(O 3)4
3, 1(3+1)11' 4!' 4! '
e: ::;; SUPtE(O,JTJ Isen t I(O. 3)~ =Isen n/ 21(O. 3)4 = (0,3)4 =3 375 X 10-4
4! 4!' 4! '
7
1. Conceptos básicos. Resolución de ecuaciones
l:
Las equivocaciones (donde incluimos los errores de programación o erro
~m"'ntalcs. res por torpeza) son debidos a que la persona que se encarga de materializar un
modelo es humana y. por tanto, se equivoca. Por eso son, hasta cierto punto.
inevitables. Una primera forma de detectar estos errores es observar los resul
~:"~Z3 J
tados y ver si tienen sentido. De forma más técnica. se detectan y evitan con
verificación de resultados parciales y globales. con comprobaciones de los cál
culos o procedimientos de control de los resultados y dividiendo los programas
en muchas subrutinas verificadas. También se pueden corregir a través de los
- .:.: L" datos, es compiladores. que dan diagnósticos que indican dónde están los errores.
. :' 'c,:,1. lo que ya
.-\.mque estos Ejemplo 5. Un algoritmo es una secuencia lógica de pasos necesarios pa
L ' . ' ' .. .i.sricos, que ra ejecutar una tarea especifica. como resolver un problema. Describe, sin ambi
:::::-::l' sobre las güedades. una serie finita de pasos a realizar en un orden determinado. Su obje
tivo es acercarse a una solución a un problema. Un algoritmo debe tener unas
_. -<' que desta características determinadas: debe terminar después de una cantidad finita de
. :: - . redondeo. pasos, debe ser lo más general posible (para tratar cualquier caso particular),
. ::' _ , ' 1 \ ersión de no puede depender nada del azar y debe dar los mismos resultados para usua
l-' - . ' ",'rmalmente rios distintos. Normalmente se utilizan para programar un proceso en el ordena
r ; __ .... ' : por cómo dot: Un ejemplo de algoritmo. para calcular la media de un conjunto de lecturas
:: . _- e'. junque sus obtenidas por GPS para determinar la latitud de un punto.
l-:-' -." _. .: cn cálculo
,::" ':' .. cn simplifi Entrada: lecturas de la latitud </>1' ... </>n f número de lecturas n
. " .ielo no sea
L.~~l ~k
.' '.. .. .: realidad. Sal ida: MEDIA
n
_ ... .: .ie ellos se
Procedimiento
Establecer MEDIA = O
.isejec Para k = 1 .. n hacer MEDIA MEDIA + f k
.. '¡"llIe son MEDIA = h'EDIA
9
1. Conceptos básicos. Resolución de ecuaciones
Finalmente, hay que incluir entre los errores a los debidos a métodos do. 13. ='~:-~>. :.=
numéricos en sí, ya que siempre hay un resto, por la inexactitud del método nu se reT::-~=::' ::.::i
mérico. No hay que confundir con errores de la modelización, que son porque nOp0r~ .. · ":-..i
el modelo que representa la realidad es impreciso. Estos errores se deben a que
el método numérico no da una solución exacta, sino aproximada. Hemos visto Ejemplo e,
un ejemplo en el polinomio de Taylor. Vamos a ver más a lo largo de todo elli o sup-»:« _,: e
bro, ya que normalmente en cada método se va a estudiar también el error que tiros c'~,; -:¡T :
se comete aplicándolo, siempre que sea posible. Esto es muy importante, por acerte».: :- :1
que nos permite acotar el error que se comete.
Al aplicar un método numérico, obviamente no se van a dar siempre todos ese CGS'· " _~ .4l'l
los tipos de error. Incluso en sucesivas ejecuciones del algoritmo, se pueden godos. T '.: .... .:
dar errores distintos. Así, por ejemplo, en la primera aplicación los errores de ro es re, '. " : .,
redondeo pueden ser los más importantes, en la segunda los de truncamiento esiá d¿ .,. .:';_,
de la función, en todas los errores de programación. Lo que sí está claro es que
tenemos que intentar minimizar el número de errores y que los no se puedan
evitar, sean de magnitud pequeña, porque cuanto menor sea el error total, me
jor va a ser la aproximación obtenida.
Precisión y exactitud
:..
Precisión y exactitud son dos conceptos relacionados entre sí y con las pro
piedades de una solución aproximada. La exactitud es la aproximación de un
número o de una medida al valor real que se supone que representa. Así, la ine
xactitud es un alejamiento sistemático del valor verdadero. Es inherente a un
instrumento, y no siempre se puede corregir. Un ejemplo es un aparato de me
dida que siempre modifica las lecturas en la misma dirección, como un peso
donde el cero no está exactamente en el cero, sino muy próximo a él.
La precisión la indica el número de cifras que representa una cantidad, en
una primera acepción de este concepto. También indica la extensión de la solu
ción aproximada o las lecturas de un instrumento. En general, la imprecisión
instrumental se debe a que no se pueden dar todas las cifras de un número real.
En realidad se miden números reales, pero por el procedimiento la medida en
sí, es imposible dar el número exacto. Por ejemplo, si queremos determinar la
longitud de una pared con un metro que tiene marcados los centímetros y milí
metros, no podremos dar una lectura en décimas de milímetros. En este senti -'
-
10
raciones 1.2. Error, precisión y exactitud
~ .=::~~jllS a métodos do, la precisión es el número de cifras que damos de un número. Pero también
",._ ~~ =-_2 del método nu se refiere a la dispersión entre los datos (aunque se alejen del valor verdadero,
~_. -=-.. JU<: son porque no por ello son menos precisos, como se aclara en el siguiente ejemplo).
e:-:-':-::,; s<: deben a que
["._-=-.':'2':'. Hemos visto Ejemplo 6. Para aclarar la diferencia entre precisión y exactitud vamos
a .: :,:::-z,] de todo elli a suponer que estamos practicando el tiro. Tiramos con precisión si todos los
e -....::..-:-=':¿n el error que tiros están cerca unos de otros. Pero tirar con precisión no quiere decir que
~_-:. .mportante, por- acertemos en el centro de la diana, porque la mira puede estar desviada, o el
arma puede tener otro defecto que haga que los tiros se desvíen siempre. En
a= .:. siempre todos
j,:::- ese caso, hay un error sistemático y los resultados tienen un sesgo o están ses
':'.; :--;tmo. se pueden gados. Tiramos con exactitud si todos los tiros dan en el centro de la diana, pe
L.:.~ ~ =':1 los errores de ro esto no quiere decir que seamos buenos tiradores, porque a lo mejor la mira
l. .:' .ie truncamiento está desviada.
±_e -: está claro es que
.; _e :-:'S no se puedan
'-e.:. e. error total, me aumenta la exactitud
~
-
; e--:-e '1 y con las pro
-
~§
o:
'C
~
... .
. .....
e,
l..:. .:.::- ~ .'ximación de un
~
r::::-~e'-:::1ta. Así, la ine co::l
e:-: E, .nherente a un e
~
s::l a b
) e, ..::- .:parato de me
co::l
e; __ :-._ como un peso
"'_. ':.~:-:-::' J él.
11
1. Conceptos básicos. Resolución de ecuaciones
Si una persona con mala puntería efectúa varios disparos con un arma con . J
la mira desviada, el resultado (Figura 1.2a) es poco preciso (los disparos es
tán separados entre sí) y poco exacto (los disparos están alejados del centro de
la diana. que es el valor exacto o verdadero). Si dispara con el arma sin la mi
ra desviada, el resultado será impreciso y exacto (Figura 1.2b), porque aunque
los disparos están dispersos, se concentran alrededor del centro. Pero si una _ _ _.::'1
persona con buena puntería efectúa varios disparos con un arma con la mira ___ - _ - : J
desviada, todos los disparos estarán próximos entre sí, pero desviados del cen
tro de la diana (ver la Figura 1.2c). Es preciso (todos [os tiros están cerca), pe
ro no es exacto. Si esta persona dispara con un arma en buen estado. el resul
tado es preciso y exacto (Figura 1.2d), porque los disparos están cerca entre sí
y concentrados en el centro de la diana. ~-..:.- :'!
- ,~
ajustarse a la realidad. También deben ser precisos. para que los resultados
puedan ser válidos para nuestros propósitos. Muchas veces esta precisión va a
estar influida por la precisión de los datos de entrada.
Para la aplicación de un método numérico el ordenador o las calculadoras
son una herramienta indispensable hoy en día. Pueden intervenir a través de
programas que implementa el usuario o utilizando una biblioteca de software.
Pero la aplicación de métodos numéricos también se puede hacer a través de _' __. =. ~:41
irl - f l-¡
12
sciones 1.2. Error, precisión y exactitud
. ~111 arma con rica en los ordenadores. Conocer cómo representa un ordenador un número nos
.disparos es va a ayudar a entender y minimizar el error.
e .iel centro de Para nosotros YiYi = 2. precisamente porque elegimos Yi como el único
;-,·,~ti sin la mi- número real que verifica YiYi = 2. Pero esto no ocurre en un ordenador. Los
r.iue aunque ordenadores representan los números con un número finito de cifras y, por lo
Pero si una tanto. de decimales: para considerar un número infinito de cifras nos haría fal
.rm la mira ta una memoria infinita. lo que es imposible. Cuántos decimales tiene un nú
..i.ios del cen mero en el ordenador es una cuestión que se decide para que los números obte
r :.,i: cerca), pe nidos sean lo suficientemente cercanos al valor verdadero y, así. sean
r, ,':,:do. el resul aceptables. Según el número de cifras que «otorguemos» al número. Yi puede
/. . t! rca entre sí ser 1.4242. 1,4]4213. 1,41421356 u otros mucho valores. Cuál de estos nú
meros elijamos depende de las necesidades sobre la solución y. hasta cierto
punto. podemos elegir 10 próximo que queremos que esté nuestra solución
':- .' ::-~-,~lema deben aproximada a Yi. Pero. en cualquier caso, obteniendo la solución con ordena
:~.::~.. -=.c ingemena y dor (o calculadora) nunca vamos a tener su valor verdadero, sino una aproxi
.. .. _ .:" resultados mación.
e:, ::.:" ::-rccisián va a Los ordenadores representan de forma interna (independientemente de có
mo sea la salida) los números de dos formas: punto fijo y coma flotante. En el
b: - -' calculadoras sistema de punto fijo, todos los números tienen el mismo número de cifras de
~_:::- ::-.:r a través de cimales: 0,2334, -134.4710. -0.0001, -19,5664, 2.6000 tienen 4 cifras deci
.r- '::e. .ie software. males. independientemente de cuántas unidades tengan. Pero la forma más
:...::: ..",:cr a través de usual es coma flotante. Antes de ver cómo es este sistema, observamos que re
: ':':~::': :"mente con la presentamos los números en función de las potencias (positivas o negativas)
.::: .:'. rroblema de del número 10. Así, podemos escribir un número x como
:. ='.. ;:::1ClaS sobre la
: .. ,,:::' :c1 problema.
l .; .::":. \ funciona
l':--·.: .; precisión de
x = signo [t
,·1
x ¡ 10" x ION
J'
13
1. Conceptos básicos. Resolución de ecuaciones
1.3. Números.
Si sólo consideramos 4 cifras, tenemos el número + 0,1414 x 101• El signo Cifras signific.atJ
es + 1, la mantisa es 0,1414 y el exponente es 1.
14
eciones 1.3. Números exactos y aproximados
r, '. .; por el signo, la 0,1973 que 0,19. Pero también podíamos haber despreciado las últimas cifras.
Como veremos más adelante hemos redondeado, pero no hemos truncado.
':":"-' las siguien El concepto de cifras significativas está muy relacionado con la representa
~wJ.35 . 102 • ción en coma flotante: los números están dados con un número fijo de cifras.
Al hacer cálculos con ordenadores o calculadoras, hay muchos números que
'res que puede están expresados con un número finito de cifras, como son todos los números
:'::-::::-..:i de la mantisa irracionales y muchos de los números racionales. Una primera acepción de ci
1'-:': -::-ó:' del exponente
fras significativas es hasta qué cifra de un número tiene significado o se puede
;.,:".:::-'::.:,.T;iemo) y over confiar que sea cierta. Está muy relacionado con el entorno en que nos move
r .: _O: \ ' tenemos un mos, como el instrumento, el método de medida o la longitud de la mantisa del
1.:.::-. ::-'''::-:1ero con expo
ordenador. Dicho de otra forma, denotan el número de dígitos que se presen
e i . ::- ':;:;nador asume tan, sin contar los ceros a la izquierda que sólo sirven para marcar la posición
:::::- o:'te caso el pro de la coma decimal.
'c. :' ":Ii número muy
L:':--,-, ;:;: resultado es Ejemplo 10. Medimos una longitud en un plano con una regla que mide
metros, centímetros y milímetros. El resultado es 16,2 cm. Esto significa que la
medida real está entre 16,2 y 16,3. La cifra tiene 3 cifras significativas. Si el
i..:..:- muchos pro
¡;:'::o:
resultado hubiera sido 16,0, también tendría 3 cifras significativas, pues el °
L .: -O: .',' I X = X (vz).
°
al final indica que los milímetros que pasan de 16 cm son milímetros y que la
r: :. ..: ,-::,1S v elegimos lectura real está entre 16,0 y 16,1. Si medimos 0,7 milímetros, este número tie
i.: ' .:,c: ,,(1 se cumple ne sólo una cifra significativa, pues lo que queremos decir que ella longitud
medida está entre 7 y 8 milímetros.
En este sentido, cifras significativas designa las cifras que son fiables. Formal
~ mente, una cifra es significativa si es no nula o, si es nula, es significativa si está
situada entre cifras significativas o si es utilizada como indicador de la posición.
-...:. que es una
;...;: .: .enemos que Ejemplo 11. 0,0123 tiene 3 cifras significativas. 12,3 tiene también 3 ci
f: ,.,:~;.¡ cercano a fras significativas. 12300 tiene, sin embargo, 5 cifras significativas, porque se
15
1. Conceptos básicos. Resolución de ecuaciones
supone que los ceros del final indican que las decenas y las unidades también
deben ser tenidas en cuenta (son indicadores de posición). 103,28 tiene 5 ci
fras significativas, el O también es lino cifra significativa, porque está entre
dos cifras significativas (elIde las centenas y el3 de las unidades). Si escribi
mos este número como 103,280, sigue teniendo 5 cifras significativas, porque
el Ofinal no indica nada, no da ninguna información adicional (añadir un O al
final no añade ninguna información J.
Ejemplo 12. Una aproximación de x == -fi == 1.414215 ... con 4 cifras sig
nificativas es x= 10414. Para ello debe ser Ix- x\ < 0,0005 == 5 x 10-+ . En Tnmcaron~
efecto.
Truncar m: =-"~
Ix - xl == \10414 - 1,414215 ... 1= 0.000215 ... < 0,0005 mente el res-: Si
escnoe l},
Como Ix - xl < 0,0005 ... basta con eliminar todas las cifras después de
1A 14. No se tiene en cuenta la parte despreciada.
Cuando se t0/110 una aproximación, en vez de escribir que el número apro
ximado x verifica x == 1,414, se puede escribir ::-- - ::-
-
una :u.:-._. ;:
X'" 1.414
16
aciones 1.3. Números exactos y aproximados
. ,_ ,;,ies también de que en un lado de la igualdad está el número exacto y en el otro una aproxi
,~.:S tiene 5 ci mación. En el ejemplo anterior tomamos el número x como 1,414, entendiendo
','.!t está entre que a efectos numéricos se verifica la igualdad. Este abuso de la notación lo va
, e ' . Si escribi mos a usar especialmente cuando trabajamos con números con 11 cifras signifi
.-', ,.-idIS. porque cativas. Entonces podemos interpretar la igualdad como «igualdad con n cifras
,'~é!dir un O al significativas» y, en ese sentido, el número exacto y el aproximado son iguales.
17
1. Conceptos básicos. Resolución de ecuaciones
mas un error al truncar en el orden n. En general, el contexto nos permite dis Ej~pI
tinguir si nos referimos a truncar un número o una función. Por eso, a lo largo
mente.
Redondeo
despreciado. Si las cifras despreciadas son enteras, su lugar se sustituye por ceros, E.--==P'
-: ~J
pero se añade igualmente una unidad a la última cifra conservada si fuera necesario.
una unidad a la última cifra conservada si la parte despreciada vale más de cin
mente cinco, entonces se añade una unidad al último número conservado si és
- :1l
todas las cifras menos las tres primeras y queda 245. Para redondear este 11/1
mero con las mismas cifras significativas, nos tenemos que fijar en lo que eli
Ejemplo 14. Al redondear 5,6992 con 3 cifras significativas, queda 5,70. _o: .:L'
ra cifra despreciada es mayor que 5 (es un 9). Para redondear con 4 cifras sig
nificativas, nos .fijamos que tenemos que eliminar 0,0092. Entonces, como es
mayor que 0,005, hay que sumar 1 al último número; queda «10», por lo que
el resultado es 5,700. Hay que poner el último O último, porque es una cifra
significativa.
18
l!m'tí
tetones 1.3. Números exactos y aproximados
~".: :'-," permite dis Ejemplo 15. Al redondear 372.27 con 3 cifras significativas, queda 372,
e ?:~eso. a lo largo Con 4 cifras significativas, resulta 372,3. Con 2 cifras significativas es 370: se
, <~-.:: .ios indistinta ha eliminado el 2 de las unidades y las decenas se dejan como están, porque
2 < 5. Con 1 cifra significativa hay que dejar sólo 1 cifra que dé información
sobre el número y tenemos 400: se quita el 72, pero se añade 1 al 3 porque
72 > 50. Como tenemos que indicar que son centenas, añadimos los ceros.
to. Se llama así porque se aproxima una función (que a lo mejor se podría ha
s.: ..:~ que la parte
ber aproximado por una suma infinita en un entorno del punto) por una suma
'.~:-:-.::'~e un error en
en la que se han eliminado directamente (sin evaluar ni tener en cuenta) algu
C'~ ;.::-:=~litlcar, yana
nos de su términos. Si tomamos la funcián jtxí = eX y su polinomio de Taylor de
r:::.::-~':~~l.
orden 4, tenemos
r .;:.. ~5. se eliminan
\ 1, 1, 1~
¡ -'.:' rieor este nú e "" l+J.• +-.c +-X +- .•r
e -- .. ' ,12 lo que eli 2! 3! 41
'¡:.:.' ; al 1timo de
ú
L : ,e '::.16. Vemos que> también se utiliza con funciones. Se deja al lector la compro
bación de esta relación. El error de truncamiento de esta aproximación se de
.:.:- .: queda 5,70. be a que despreciamos
-.·~:c:,<:c la prime-
t,,'. - ¡.--+ cifras sig 1 5 1 6 1 n
-.T +-x ... +-.:r + ...
.. ':.t.'. como es 51 6! n1
L_, . ;"or lo que
r .': <:.' una cifra Muy asociado al error de truncamiento de un número tenemos el error de
redondeo, que se debe a que en un ordenador o al realizar los cálculos de forma
19
1. Conceptos básicos. Resolución de ecuaciones
1 1 1 1 1 eL: _.:' -~
Suma apro.\:::~-_-:- ~ -.::¡
4+n 5 6 7 8
portar.:e ~:':-J
20
'acianes 1.3. Números exactos y aproximados
I
li
Una cuestión crucial para un método numérico es qué error se comete al
Suma aproximar. Porque generalmente. para los propósitos prácticos, no es tan im
¡¡
portante determinar una función de forma exacta, como obtener un valor apro
ximado y tener acotado el error que cometemos en la aproximación. La cota
--
del error que se comete muchas veces va a ser determinante al elegir entre va
rios procedimientos. Comenzamos con definiciones.
21
1. Conceptos básicos. Resolución de ecuaciones
Error absoluto
A veces puede ser importante saber si se comete un error por exceso (x> x)
o por defecto (x < x), lo que se determina con el signo de (x - x). Por ejemplo,
si calculamos la dosis de un medicamento, un error por exceso puede ser mor
tal, pero por defecto no tiene importancia, O al calcular la velocidad mínima
para que un avión despegue. si se comete un error por defecto. el avión puede
no despegar y salirse de la pista. Si se determinar por exceso, el resultado no
tiene esa trascendencia (se gasta más combustible. pero eso es todo). Sin em
Error relativo i
bargo, en la mayor parte de las aplicaciones que vamos a estudiar el signo no
es importante, por eso definimos el error tomando valor absoluto. parado ":C'\:: :'3. :!J/~'~
Si x e5 una .iL-~:c¡:t_-
Ejemplo 20. El polinomio de Tavlor de orden 4 de f(x) = e' en x = O (ver
ejemplo 17) es
1)_}
p~ (1 - , - _, J. + ~ + J..-- 65 -"
+ 1 + J.+ 2.-l-J.-i. - L. 708"''''''''),
~U~J.,. ..
2! 31 4! ') 6 24 24
Por otro lado, f( 1) = e = 2.718281828 ... El error que cometemos por trun
car la serie es
22
eciones "3
!. . Números exactos y aproximados
eion obtenida, en va- E = Ip-\ (l) -I: 1)¡"" 2.71828 - 2.70833 = 0.00995
es
La diferencia es muv pequeña. Al tomar valores redondeados, al error an
I terior liabria que sumarle el error de redondeo.
~
.
Pero para nosotros no es lo mismo. por ejemplo. que nos suban un café 10
. - ·:'\.ceso(x>x) céntimos. como que nos suban el precio de un coche 10 céntimos. Porque el
valor de un café es mucho menor que el valor de un coche. Esto también pasa
Por ejemplo.
al aplicar métodos numéricos. que muchas \'eces. no importa sólo el valor que
"u",de ser mor
toma de E. sino también su relación con x x. Así se define el error relativo.
ó
.Idad mínima
;: ",) .rvión puede
z . resultado no Error relativo
c' -'JO l. Sin em
;. el signo no Es el error como diferencia entre el valor exacto y la aproximación obtenida, com
parado con la magnitud verdadera que se mide.
"*
Si x es una aproximación de x 0, entonces el error absoluto es
cíJx=O(ver
,
=
E.
.
lx-xi
¡'\-/I
• »'
=,E
I
' v- ,
r-
23
1. Conceptos básicos. Resolución de ecuaciones 14. Sotuciories
x=X±E
y no nos haría falta determinar x. Pero se supone que x está cerca de x (porque
si no el método de aproximación sería inútil al no aproximar) y entonces se
puede usar x en vez de x para definir E, como cipi. ~,:
do. n
~I~IXl
E,. -
Ejemplo ~
jar la inc.' .: '.:
24
tetones 1.4. Soluciones aproximadas de ecuaciones de una variable
2:::-0 en la prácti Una vez que tenemos una cota del error, tenemos muchas otras cotas: si 2
. si lo conocié es una cota del error, también lo será cualquier número mayor que 2. Pero al
.~:-:-..:._ .on. Además, si estimar la cota, lo que no interesa es encontrar un valor lo más ajustado posi
:..:e-- :'~¿n el x, que es ble.
I
1 Un problema fundamental de la Matemática Aplicada es resolver la ecua
¡,,,,ir,,, ción f (x) = O. es decir, determinar los valores de x en los que se anula una
función dada. Estos valores se llaman raíces o soluciones de una ecuación.
¡ En algunos casos, ya sabemos resolver analíticamente este problema, como
2
f(x) = 2x + 7,f(x) = x + 3x - 4 ó f(x) = sen" (x - 3). Para los dos primeros ca
t sos. hay métodos generales que nos permiten llegar a la solución. En el tercer
ejemplo, se pueden encontrar valores en los que se anula la función, aunque no
r hay ningún método general que nos permita llegar a la solución.
I
[
f Ejemplo 23. Para resolver la ecuación f(x) = 2x + 7 = O. hay que despe
i jar la incógnita para resolver la ecuación lineal:
25
1. Conceptos básicos. Resolución de ecuaciones
7
2x+7= o ~2x =-7 ~ x=--
2
o -3±~32_4.1.(-4) -3±,/9+l6
r +3x-4=0~x= =----- O'.l
2·1 2 0-< : -
-
={-32+5~=1
~
= -3±-J2S = -3±5
2 2 _-3_-_5 =_-8 =-4
2 2
sen" (x - 3) = O <=:> sen (x - 3) = O <=:> x - 3 = kIT <=:> x = 3 + kIT "~"' __"o-'-_" - .J;;:
Aunque a efectos prácticos tendríamos que dar la solución de forma apro- p.=,¿::-:- -. =:: - j
ximada (no podemos expresar con un número finito de cifras el valor de n) he- ",=,_ -..L: "- -c _ :::J
mos resuelto la ecuación de forma exacta. r:-:.::.j.::., ::-:: -'-~
26
ciones 1.5. Métodos cerrados
27
1. Conceptos básicos. Resolución de ecuaciones
1
feO) = eO - O= 1 > O f(l) = e- - 1 z -0,632 < O - -- - -
~ - _ :J:
~-
Ce.: ~-_~ _ _,
x
Además. la solución es única, porque como _e- es una función creciente '.'". ::.::::- .
en el intervalo [O, 1], se cumple :. :-.:~-- . -::-,j
Como f' < O. f es estrictamente decreciente y sólo tiene una raíz en [O. l].
28
iciones 1.5. Métodos cerrados
.;.. progresi-
~~ ~::'T0S
El método más sencillo para la resolución de ecuaciones de una variable.
te-:.. ~:,; de la misma. desde el punto de vista intuitivo, e:' el de la bisección. Ln idea de este mcrodo
r.. ' ~~. ira. porque la cs qne. una vez que se ha localizado la raiz, ve divide el intervnlo en el qnc está
,.:':':rni<:TIlos mas en mitades y siempre nos quedamos con la mitad en la que esta la solución de
"~:-.:::~:- ¡~l~ principios 1;1 ecuación en esquema 5C representa en el cuadro siguiente.
c:e nna raí? c. 1. Se localiza una raíz en el intervalo (1:(1. XI)' Llamamos x = .lo.
. __ ~·:-i,. derivable
O:-~ .:- __ ente o decre- 2. . . . ue
U na aproxtmacuin ., eslU tuu: es e I punto me di10 d e .lo + .\:[
(.la' Xl)' x~ = - - , - o
29
1. Conceptos básicos. Resolución de ecuaciones
En general, si para conseguir una cota del error menor que E (dado) hay
que repetir el proceso n veces, entonces buscamos n que cumpla
Así, con este método nos aseguramos que llegamos a la raíz con un error
máximo que hemos predeterminado. El número de pasos que vamos a dar lo
conocemos antes de empezar la subdivisión de intervalos.
l
11.
=.!Q
211
1. - ~
30
'clones 1.5. Métodos cerrados
con un error
_.::. :-'::'lZ
Xa
.; _::- vamos a dar lo
1. Partimos de los puntos xo, Xl y como f(xo) . f(xl) < O, hay una raíz al
menos en el intervalo (xo, Xl), según el Teorema de Bolzano. En este
°
caso esf(xo) < y f(xl) > O.
2. Tomamos el punto medio del intervalo. Xl = (.\0 + XI) 12 como solución
aproximada.
3. La solución no es aceptable. porque (Xl - xo) 12 > E. f(xl) -j:. O, por lo
que consideramos los subintervalos (.10, Xl) Y (Xl, XI)'
r·- - .ie log, (1000) 4. Como f(xl) < O, la solución está en (Xl, Xl)'
L~ :' ,¡lle necesita- S. Partimos de (Xl. XI)'
(a) Obtenemos su punto medio X3 = (x¡ + X2) 12 y es la nueva solución
aproximada.
(b) °
Como f(x3) -j:. y (XI - X2) /2 > E, .13 no es una solución aproxima-
da aceptable. Tenemos dos subintervalos.
:. .: . -:-:-. xrmar la solu-
(c) Estudiamos el signo de f(x3), y ahora nos quedamos con el inter-
':::-.:'::::105 la función
valo (Xl, X3)'
;:-. :.:-. ":'::'Clon:
1. El punto medio del nuevo intervalo es X4 = (X2 + X3) /2.
ii. Aunque f(x4) -j:. O, como (X3 - X2) 12 < E, X4 sí es una solución
aproximada aceptable. Hemos llegado a In < E.
31
1. Conceptos básicos. Resolución de ecuaciones
Estos números no son racionales, pero para simplificar los cálculos, va-
mos a utilizar sólo 3 cifras significativas y redondeo simétrico. Primero vea-
/110S cuántas veces tenemos que repetir el proceso:
1 1 I l'
l = - < E = 0.1 ~ - < 2' ~ 10 < 2 ~ n>3
"2" . 0.1
Paso ti
1
1
3
.::
-1
,1
32
'clones 1.5. Métodos cerrados
,,'ción y continuamos con el intervalo (0,5, 1). Su plinto medio es (l - 0.5) 12 = 0,75.
En este puma, f(0,75) = e-ols - 0,75 "" -0.278 < O y el nuevo intervalo es (0,5,
0,75), Su punto medio es 0.625 y allí
r:. 0';:( y observa-
cmplo 27. Te- f(0.625) = e-O 625 - 0.625 "" -0.897 x 10- 1
que es menor que O, por lo que continuamos con el intervalo (0,5, 0,625). El
-- ~
~ punto medio de este intervalo es 0,563 (hemos utilizado el redondeo simétrico
y, por eso, es un valor aproximado) y el valor de f en este punto es
,,-¿Iculos, va-
e Primero vea-
f(0.563) = e-l J S63
· - 0,563 "" 0,650 x 10-2
1 O 1 1 ~ü_
,- O, )- 0,107
- 0,632 I
2 0,5 1 0.107 - 0.632 1+0,~=
1
O.7S
- - 0,278
3 0,5 0.75 0.107 - 0.278 05+,07< = 0,625 - 0.897 x 10"]
4 0.5
I
I 0.625 0.107 - 0,089 8 1 ú,52~(i}2"" 0.653 I - 0.650 X 10-2
33
1. Conceptos básicos. Resolución de ecuaciones
34
ciones 1.5. Métodos cerrados
~:éror E,
°
tud, pero teniendo en cuenta la proximidad a de f(xo) y f(.~I). Por eso, para
determinar los extremos del intervalo. en este caso elegimos entre Xo, XI y el
punto de intersección de la recta que une L\",f(x())) y (XI,f(XI» con el eje x. En
~
realidad, le que se hace es sustituir la curva que representa la función por una
línea recta, que da una «falsa posición» de la raíz. y de ahí viene su nombre.
r
I Método de regula falsi
35
1. Conceptos básicos. Resolución de ecuaciones
E
/
_-\ ,.:::~:~- ~1
puedece:e -~
que m-o,: -=-_-=- ~
neraln; ~ :-_: ~
Ejernpk. .3
aprOX:i': :_, ->:
36
'clones 1.5. Métodos cerrados
xJ(xo)-xof(xJ
x = ----"'----"-'--------"-"---'------'-'-
f(xo)-f(x l )
e-Á -x= °
con un error menor de E = 0,1. Partimos, como en el Ejemplo 29, de que la so-
° °
lución está entre y 1. Tenemosf(O) = 1 > y f(l) "" - 0,632 < O. Utilizamos
también aritmética con 3 cifras significativas y con redondeo simétrico. La in-
tersección de la recta que pasa por (0,1) Y (1, - 0,632) Y el eje x, es
<: ¡<O, la solu-
=- '- la nueva solu- Obsérvese que sólo escribimos igualdades, aunque algunas sean «aproxi-
madamente igual». A partir de este punto. vamos a escribir = en vez de "". ya
'. x l. que al trabajar con 3 cifras significativas, abusando de la notación podemos
considerar que los números son «iguales». aunque sean aproximados, como ya
se ha indicado.
Para la que solución esté en el siguiente intervalo, éste debe ser (O, 0,613).
t c.:-:=' para determi-
,
°
Su longitud es 0,613 - = 0,613 > 0,1, por lo que el proceso sigue. El nuevo
punto de intersección es
1
.r, = x,f(xo)-·\'ofe.-r,) = 0,613·1-0·(-0,713x10' ) =0,572
f(.\"0)-f(x 2 ) 1-(-0,713xIO- I )
37
1. Conceptos básicos. Resolución de ecuaciones
°
ración es (O, 0,572), de longitud 0,572 - = 0,572 > 0,1. El punto de intersec-
ción correspondiente es
f(0,567) = e-
05 67
- 0,567 = 0,225x 10- 3 > °
Así, el nuevo intervalo es (X3, X4) = (0,567, 0,573) Y su longitud es
0,573 - 0,567 = 0,005 < 0,1. La solución aproximada es x = 0,567 Y una cota
del error es ~ = 0,005. Representamos los resultados parciales en una tabla: -- ---- - - = -'""
38
ciones 1.6. Método del punto fijo
-.--=0.567 Terminar
Fin Si
Si f(x o ) • f(x_aprox) < O entonces Xl = x_aprox
En otro caso si f(x o ) . f(x_aprox) > O entonces X o = x_aprox
Si ~ < E entonces terminar
longitud es
Repetir Procedimiento
.~¡:;- y una cota
Salida es x_.aprox, n , ~
f . t '7 lIna tabla:
Parar
¡(e)
1.6. Método del punto fijo
'.-13 X 10-1 ~ _2-&.&& 2 R ¡;¡¡¡¡¡¡;¡¡¡¡¡:~ ., iUZ1.Z¡¡¡¡¡¡¡¡¡¡¡;;;;;;;;;;¡¡¡¡¡¡
2
-.-60 X 10-
En los métodos vistos hasta ahora, se conocía un intervalo en el que hay
1.~~5 X 10-3
una única raíz. Este intervalo se va haciendo cada vez más pequeño para tener
cotas superiores e inferiores tan próximas a la solución como queramos. En los
. ': .II! cometen métodos siguientes, vamos a estudiar cómo aproximar raíces por métodos don-
de no se sabe nada de la solución, a priori. A partir de un valor cualquiera, y
Hemos tenido
realizado un
bajo unas ciertas condiciones, nos podemos ir aproximado a la solución de la
ecuación por iteraciones sucesivas.
del error es
'; 'c ,'·CICIOS.
Para utilizar el método del punto fijo sólo se necesita un valor inicial y a par-
tir de él nos vamos acercando a la solución de la ecuación, siempre y cuando se
~:--.
cumplan unas condiciones. La determinación de las sucesivas aproximaciones se
realiza utilizando una ecuación recursiva. Este resultado forma parte de un resul-
tado mucho más general y con gran cantidad de aplicaciones, pero aquí sólo va-
error
mos a estudiar su aplicación a la resolución aproximada de ecuaciones.
El método del punto fijo es un método iterativo que se puede usar para
--_ .. ~
aproximar raíces de la ecuación f (x) = O en aquellos casos en que sea posible
encontrar una función g que verifique ciertas condiciones y de modo que
f(.\:) = O si y sólo si g(x) = x. El proceso de transformación de f(x) = O a
g(x) = x se realiza con operaciones algebraicas elementales (se puede tomar
39
1. Conceptos básicos. Resolución de ecuaciones
g(x) =f(x) - x). En este caso, encontrar una raíz paraI es equivalente a encon-
trar un punto fijo para g. es decir. un punto X tal que g(x) = x. No siempre es
posible encontrar un punto fijo de una función. Aquí vamos a enunciar el Teo-
rema de la aplicación contractiva. donde pedimos una propiedad a g y pode-
mos asegurar que existe. Además, nos da el proceso iterativo para llegar a x .
40
serones 1.6. Método del punto fijo
___ .Jente a encon- 0,44 < e--D·80 S e-x S e--D25 < 0,78
'\o siempre es
~:' _ enunciar el Teo- Un valor de k es 0,78. AsÍ, podemos asegurar que la función es contractiva
r :-::~"J a g y pode- en [0,25, 0,80).
o' ~J.ra llegar a x'.
La demostración del teorema de la aplicación contractiva, además de ser
sencilla es muy interesante, porque da el proceso para obtener el punto fijo x" y
cotas del error. Elegimos Xo E [a, b1 cualquiera, y definimos recursivamente la
sucesión de números reales
o en sí mismo,
Ü< k < 1, talque X"+1 = g(xl/)
Entonces, como XI/+l = g(xl/), X/1 = g(X,,-I) y Ig(x,,) - g(Xn-l) I S k Ix" - x,,-11 por
la propiedad de g enunciada,
2lxl/_l
IXI/+l - x,,1 = Ig(x,,) - g(xl/_¡) S k lXI/ - xl/_II S k
1 - x,,-21 S ... S k" IXl - xol
'::J.r.1a contractiva.
dad de Cauchy si demostramos que X,,+; - xl/l ---7 1/-7= para i arbitrario. Pero es-
to es así, porque
1 °
L--:-.:::-.te la definición
en [a. b] y tiene IJ: +¡ -x" 1=Ix"+i -X,,+,_I +·'I',,+¡_1 -X I1+,_! +",-X"+I +X"+I- x ,, 1
Il
~ ; ::, .ontractiva. Es-
¡;- ~. _ ::'m1a. es mucho
slx"+i -x,,+,_¡1 + IXIl+,_1 -X,,+¡_! 1 + + IXn+1 -x" I
Sk ii+¡-}
IX1-xol+kl+¡-2Ix1-xol+ -v k" Ixl-xol
i k" _ kn+'
.tervalo [0,25, =I:r¡ -xol Lkn+j-I ==lxl-xol---
FI 1-k
e ,- ''';SII/O. Es una
k ~ .:S I S 0,80 Y
= I:1.'1 - J'-o I k" 1-
1- k'
k ---7"""'00
°
..-<': > 0.25 independientemente del valor i. Como la sucesión converge y Xj E [a, b] para
l. ~ =[0.25, 0,80]. cualquier j, entonces al ser [a, b] cerrado y acotado, el límite x" estará en este
conjunto. Como g es una función continua, tenemos
:': I = - e-x, hay
41
c
WlJ 11. • •r J.8.11 • cL .~~
::.---,
x R(X')
Por tanto, para cualquier punto inicial Xo, si g verifica las condiciones im-
puestas, las iteraciones X,,+I = g(x,,) nos llevan al punto fijo .c",
Por otro lado, tras n iteraciones siempre se verifica
k" k"
IXll-x'l~ l-k Ixo-x*l~ l_kmax{xo-a,b-xo}
y así podemos hacer una determinación previa de una cota del error .6. y del nú-
mero de iteraciones que debemos realizar. Esta estimación se puede realizar
antes de determinar ninguna solución aproximada, sólo conociendo el valor
inicial. Por otro lado, se puede considerar que el error absoluto E: verifica -'~, -~
:-:',_,: ~ .: _ ~ '~J::
Ejemplo 32. Queremos saber cuántas iteraciones hay que realizar, como _ '.:-::s.:
máximo, para obtener, por el método del punto fijo. una solución aproximada
de la ecuación
-x
e =x
con un error menor de 0,1, en el intervalo [0,25, 0,80], tomando 0,30 como pun-
to inicial. Ya sabemos que g(x) = e es una función contractiva en el intervalo
-1
_Ji
42
iciones 1.6. Método del punto fijo
e
Ix" - x"] s 1- k max lx, -
0.78"
a, b - x a } = .. ~ _~ max{0,80- 0,30, 0,30 - 0,25} =
= °,78" 1-0,78
0,5 < 0.78" .2.2728
.
l ~ ,:mdiciones im-
Aunque este procedimiento nos da una estimación previa del número máxi-
. .:.;:. error .Ci y del nú- mo de iteraciones, en este caso no es buena, como mostraremos en un ejemplo
(~ ,;:: puede realizar siguiente.
.:. ~.xiendo el valor
['._:: [wrifica La importancia de hacer la transformación de J a g está en que da una fór-
mula para predecir un nuevo valor de x (que será Xi +1)' partiendo del valor an-
terior de x (que era .r.), Así, dada una solución inicial aproximada xo, la solu-
ción se puede refinar haciendo X = g(x para n ~ O. La representación gráfica
Il+l ll )
..: ;:, proporcional al del método del punto fijo es muy ilustrativa (Figura 1.6). Hacemos la transfor-
re:-':;: conocer tras la mación deJ(x) a g(x) y comprobamos que g cumple las condiciones. Si repre-
a.:..•'" J efectuar para sentamos las funciones g(x). y = x:
1 :::':'.::'Jrgo estas esti-
~ :'::':':"res que hacen 1. Comenzamos en un punto Xo cualquiera.
1_ _ - aceptable con 2. Como Xl = g(xo), «pasamos» g(xo) a través de la recta y = X Y así tene-
mos Xl en el eje x.
3. En este caso, g(xo) :;t Xo Y IXl - Xo 1 > E, así que Xl es el siguiente punto de
.. realizar; como la iteración.
,. :-i;¡aproximada 4. Hacemos X2 = g(XI)'
43
'-~'*C 4t « l.
r 7 = $ .:: k·
Ejemplo Xl
COI: .1"
r'¡x =
I I I I
;.~ . :. ,;; .'
1r·-
.... '. _
punto fijo
N, el procedimiento falla.
44
tciones
1.6. Método del punto fijo
«: - x = O
con un error menor de E = 0,1 (ver Ejemplo 29). Para transformar la ecuación
f(x) = O en una igualdad del tipo g(x) = x, lo único que hacemos es cambiar el
término x al otro lado de la igualdad
'- e-\ - X = O <::=:> e = X
-.1
g(X e_______ __
O)
g(X¡)
amos.
de iteraciones
t------+
Xo X2 X4 X3 Xl
45
JI.
; ,
nr , ::,132
Como en los ejemplos anteriores, utilizamos aritmética de 3 cifras con re mas !t.
dondeo simétrico. Por otro lado, la cota del error es que e': :
1105. Le; .::
11 = IXI - xol = 10,741 - 0,3001 = 0,441> 0,1 la fun. :
g(X2 ) 0621 = X3
= e-OA77 "", 11 = IX3 - x21 = 10,621- 0,477\ = 0,144 > 0,1 - - - - - -
- - - .- _- -
....
-::-,---..:..-"-"
Al ser la cota del error mayor que 0,1, hay que determinar X4
g(X3) = e-D.621 "" 0,537 = X4 11 = IX4 - x31 = 10,537 - 0,6211 = 0,084 < 0,1
.:, = _._=
Paso O 1 2 3 4
~ =
Xi 0,300 0,741 0,477 0,621 0,537
46
sciones 1.6. Método del punto fijo
L-_" _.~ .' cifras con re- mas tenido que repetir todo el proceso 4 veces. Aunque hemos dado más pasos
que en el método regula [alsi, el proceso y los cálculos SOI1 mucho más senci
llos. La desventaja de este método está en que primero tenemos que estudiar si
lafuncián transformada g es contractiva.
. -
:::: 0.144> 0,1
número máximo de iteraciones Nm, valor inicial X o
Salida: x_aprox, iteraciones n, cota del error ~
Procedimiento
n=n+l
:;- ::::0.084<0,1 Si n > Nm entonces
47
Despe,,~.:
1.7. Método de Newton-Raphson
_ _¡¡;;¡¡¡¡¡;¡¡¡Y~~:i8~~2;~~~'¡:~~"¡~
[ix
El método de Newton-Raphson o método de Newton es uno de los más uti-
lizados para la determinación aproximada de raíces, por su sencillez y rapidez.
Este :-::..:: --"
También es iterativo y la idea es aproximarnos a la solución a través de la tan-
valores Si..:-::·
gente a la función [. Como en el método del punto fijo, se parte de un valor
aproximado de la solución .1'0. Obviamente. vamos a pedir que la funciónf sea
continua y derivable con continuidad. Entonces se puede trazar la pendiente a
la función f en el punto (xo, f(xo)) y, normalmente, el punto donde esta recta
corta al eje x es una solución mejor de la solución (Figura 1.8). El proceso de É:'Li::' _:~
aproximación por la tangente se puede repetir iterativamente, hasta determinar algún ':. E:-. : .:::
la solución aproximada con un error aceptable. .~ :' ~.- ::: ;;
podernc- '':':'::- 2
se \ei.::,.:. - . ~
-]
48
clones 1.l Método de Newton-Raphson
C'i+l ~ K c~
para K=sup{lf"(x)/2f'(x)!paraxEI}
y M=I+2+4+8+ ..,+2/l- 1 = 2" - 1.
49
-i,.'C_ 'A.'
7 7 ::
Ejemplo 34. Vamos a estimar cuántas iteraciones hay que realiiar. como ,1.
máximo, para obtener una solución aproximada de la ecuación
Entonces
Hemos tenido en cuenta que e-e es decreciente. Aunque desconocemos x, Método de ~ewt'"
sabemos que la solución está en [0,25,0,80], Y xo -= 0,300. Así. si llamamos 1'1/1
a la cota del error cometida tras n iteraciones, Para obtener la -
Ixa -xl:::; max {Ixa - 0,251, \xo - 0,801} -= max {O, 05, 0, S} = 0,5 = 1'10 l. Se cornprndi:Jd
2. Se deterrniDiiIIIIIII
Finalmente, tenemos
3. Se elige un
IX/I - xl < (02687)M Ixa- xl 2n :::; (0,2687)2/1- 1 • 0,5 2n -= 1'1/1 :::; 0,01 ::::? n ::::: 2 4. 110 -= ma'- tJ+
5. Sij'(X.l=Q
El número de iteraciones va a ser. como mucho, 2. Si quisiéramos que el 6. Se hace..«, _
error fuera menor que 0,0000 l. tendríamos que hacer 3 iteraciones, porque con el eje L
1'13 = (0.2687 )2\ -1 . 0,5 23 "" 1,5813 X 10-6 :::; 0,00001 7. Si el nÚIna'o
N, el proced"
Vemos que haciendo una iteración más, hemos duplicado el número de ci- 8. 1'1. -= KA:_
fras decimales correctas.
9.
Tras haber comprobado que f cumple las condiciones necesarias, los pasos 10.
seguidos (Figura 1.8) hasta obtener la solución son:
50
iciones 1.7. Método de Newton-Raphson
(a) Calculamosf'(x¡).
(b) Determinamos el punto de corte de la tangente por (x¡,f(x¡» con
el eje x,x, =x¡-j(x¡)/f'(x¡)
(c) Esta solución aproximada tampoco es válida (lx2 -:xl> E), por lo
que el proceso sigue.
C,lmo la solu- 5. Repetimos los pasos anteriores hasta llegar a (Ix n -:xl> E). x n es la so-
lución aproximada.
. .ieterminar K
Un esquema de la aplicación de este método se resume, sij existe y es con-
< í).2687 tinua, en el siguiente recuadro:
51
._~~.I:. p-
7 l' "
f(x)
ten pC'" 'o.: .:!
con un error menor de E = 0,01 (ver Ejemplo 29). fes lI/W función continua y
derivable, porque es suma de funciones continuas y derivables. Su derivada es El :-:~~: .; Ji
f'(x) = _e-X
1 Y es distinta de O en IR. - {Ojo Intentaremos evitar el punto O,
-
sería:
pues nos puede dar problemas al determina la intersección de la tangente con -
el eje x. Además, es dos veces derivable. Partimos, como en el ejemplo 33, del ---------
punto inicial Xo = 0,300. La cota del error cometido es (Ejemplo 34)
.6.0 = max {Ixo - 0,251 , Ixo - 0,81 j = max {0,05, 0,5 j = 0,5
::::. -= - =--= - ~
La primera iteración nos da el valor
- -.- - - -
-- _.---
~0,300
, . .f (x o ) e -0,300 - - - - - ..-
x¡ = "'o - - ,-.- = 0,300 - -0,)00 ~ 0,300 +0,253 = 0,553
f(,lo) -e-L
Paso O 1 2
52
aciones 1.7. Método de Newton-Raphson
\<fI~
,:aJJ10S a deter- Hemos obtenido, con menor número de iteraciones, un error mucho menor
que aplicando el método del punto fijo (es 0,01 en vez de 0,1). Pero, de nuevo,
en esta cota del error no se han incluido otros errores, como los que se come-
ten por redondeo al calcular .r, y f
~~. -.,':ción continua y
'.:' : -. Sil derivada es El método de Newton-Raphson, si existe y es continua!", en pseudocódigo
7 : . iiar el punto 0, sería:
.- .,: __,1 tangente con
Entrada: función f, derivada f ' , error permitido E, nú-
eiemplo 33. del
, 3--1-) mero máximo de iteraciones Nm, valor inicial X Q , constante
K, intervalo (a, b)
" =0.5 Salida: x_aprox, iteraciones n, cota del error ~
53
. ,,""e........ •• F
11, ::,:.,.:: I
dé errores al redondear. Esto hace que tengamos que tomar ciertas pre
Raphson. Pero. incluso en casos en los que no converge, es muy útil para acer
te. Pero vamos a utilizar parte esta técnica para explicar el método de la secante.
ximación es la recta que pasa por dos puntos de la gráfica de la función 1, cuya
valor de corte con el eje x y esta es una solución aproximada (Figura 1.9). Es el
método de la secante.
.Z __ ._':-"· ::.1l
.; -:: _:" :....:~ ~
- _. :-i
\::.< ::..~_:c!
. : -.:--=-__ =- - ~ - .:.",~-_J
. ~ ,
54
sciones 1.8. Método de la secante
Se dice que la derivada se aproxima con una diferencia finita dividida hacia
atrás (así es como se llama el cociente anterior). La diferencia finita se sustitu
ye en la fórmula de Newton-Raphson para obtener la solución aproximada
•
e -=-:: '\ewton-Raphson (X'_1 - .tJf(xJ
L.::~: ce funciones, co ·1"+1 = .1', - .fC.1' ¡-I )-
f(.:e)
. ,
~. _: .. JI. esto no ocurre
r; _~ valor aproximado
Esta relación de recurrencia es la fórmula del método de la secante. Si
, ':-::":', JI numéricamen
f(X'-I) =f(Xi) para algún i tendríamos que empezar el proceso para otros valores
-:,,-::·:,jo de la secante.
iniciales. Observamos que en este método se necesitan 2 valores iniciales de x,
r : ·',:~iación. La apro
pero no es necesario que la raíz esté entre estos valores. Por eso. no se incluye
L:. ~-: :,: funciónf, cuya
dentro de los métodos cerrados.
L:.':.:. .;e determina un
Los criterios para la terminación del método de la secante pueden ser va
0::.':..: figura 1.9). Es el
rios, como que dos iteraciones sucesivas estén muy próximas entre sí o que el
valor del módulo defsea suficientemente pequeño. También terminamos cuan
do excedemos un número prefijado de iteraciones.
Aunque la fórmula que determina un nuevo punto es igual en este método
y en el método de regula falsi, hay una diferencia muy importante entre ambas
igualdades. En la regula falsi, la raíz siempre está entre dos valores x, y Xi+¡' ya
que un valor siempre sustituye a aquel cuyo valor de la función tiene el mismo
signo. Sin embargo, esto no se tiene en cuenta en el método de la secante, por
que un valor sustituye al anterior, sin importar el signo de la función. Lo que se
tiene en cuenta es qué valor está más cerca de la raíz. Así, el método de la se
cante no da cotas superiores e inferiores del valor de la raíz. Y tampoco tiene
por qué ser siempre convergente. Pero cuando converge, la convergencia es
mucho más rápido que los métodos cenados. Además, como el método de
Newton-Raphson, incluso en el caso de que no converja, nos permite un acer
camiento rápido a la raíz.
Los pasos que se dan para llegar a la solución aproximada en la Figura 1.9
son:
55
._"""C:'w • • • 1,7
--_.......
~".~. s • .··.PUI·.
_-----~---- s ....•
dos puntos de la iteración siguiente, que son X¡ y X2. Pero esta circuns -
-"-- ----
tancia no es importante. .:: =-- - --::
4. Como esta aproximación no es válida porque IX2 - xl> E: - ----
--
- ..... - - - -
---------'
(a) Calculamosj'(x-).
(b) La siguiente iteración X3 = X2 - (Xl - X2) f(X2)/ (((XI) - f(X2))'
(c) Esta solución aproximada tampoco es válida (lx2 - xl> E). por lo
que el proceso sigue. De nuevo, la raíz esta entre los siguientes
puntos de la iteración.
s¿~.:.:.::. _
Método de la secante p¿:::-=.:::
Para obtener la solución x de [tx¡ = O con un error menor que E para la raíz: Ejemplo ~
una SOI1" .l
56
iciones 1.8, iVlétodo de la secante
Procedimiento
n=n+l
Fin Si
Parar
E para la raíz;
Ejemplo 36. Utilizando el método de la secante, vamos a determinar
una solución aproximada de la ecuación
L
f(x) = e -x - x = °
xrmo de iterádones con un error menor de E = 0,1 (ver Ejemplo 29). f es una función continua y
derivable, porque es suma de funciones continuas y derivables. Su derivada es
°
f' (x) = -e -x - l que es distinta de en IR - {O}. Intentaremos evitar este punto.
pues nos puede dar problemas al determina la intersección de la tangente con
~j, i = i + 1. el eje x. Partimos. como en el ejemplo 33. del punto inicial Xo = 0,300. Pero /70S
hace falta otro punto inicial. Tomamos, por ejemplo, Xl = 0,8. La primera ite
ración nos da el valor
57
O8-0,8)
= _(x o-x¡)f(x¡)=08_ (0,3-0,8)(e- .
x2 x¡ f(xo)-f(x¡) , (e- 0.3-0,3)-(e-o. 8 - 0 , 8 )
,.=~ ~
.. '-, ~
Utilizamos aritmética de 3 cifras con redondeo simétrico. Por eso, a partir
nos da
578
X = .r, _ (x¡ - xJf(xJ = 0578 _ (0,8 - 0, 578)(e-o· - 0,578)
-3,77 X 10-3 _7
. ~--'=
Ahora la diferencia entre X2 Y X3 es menor que 0,1:
así que podemos tomar X3 como raíz aproximada. Las iteraciones obtenidas son -.
-
_.. ";"'..J _
.:. 5 _ -=-s
Paso O 1 2
0,800
..- -'- -:--:-~
X¡+l 0,578 0,567 -=,,':- -JI
Indicamos que la solución «real» de la ecuación e-x-x = es x= 0,56714...° -=---' - -.;; ]
rá en esta elección.
58
sciones Recordemos que
Recordemos que:
59
Raphson podemos localizar una raíz de forma rápida, para luego deter
para que una función tenga un punto fijo. Pero podemos tener una fun
ción que no sea contractiva y que tenga puntos fijos, incluso que con
verja a él aplicando el método del punto fijo. . .
.:. La ventaja del método del punto fijo frente a los métodos convergentes 2.1.
o cerrados es que la convergencia es más rápida. Pero su desventaja es 2.2. .,- .
que no se puede aplicar siempre, porque hace falta que la función sea 2.3. --,-
contractiva. Comprobar esto puede ser complicado. 2.4. Enor4
·Z" En general, aplicando el método de Newton-Raphson, la convergencia
va a ser más rápida que en el método del punto fijo, pero hay casos en
2.5.
2.6.
In
l
.
~
que nos permita decidir sin lugar a duda qué método elegir.
Prerreq u isitos
. ):_:-:. -:~
• D~:-_ -,-.::j
• \L,_ :.
• E~ _-'-o :4
• R;:, ~]
60
-~~""~~$j1Wt-fMt?tr'm
1 '15"T"'
setenes
2
;;: <.e mpre convergen o INTERPOLACiÓN
I =-:-::-.~:pal desventaja ~
(;:, ,i terativos y que ;:J POLINÓMICA
k ' ::- .ira la resolución ~
,~
Y APROXIMACiÓN
l -'.:: .'JO de Newton
:í":_. ::'.lla luego deter
~
1> -..:':=f muchas ope
r, .; =-..iTa comenzar en
-<
• Raíces de polinomios.
• Factorización de polinomios.
• Desigualdades.
• Números combinatorios.
• Derivadas de funciones.
• Máximos y mínimos absolutos de funciones en un intervalo.
• Ecuaciones de rectas.
• Resolución de sistemas de ecuaciones lineales.
61
2.1. Motivación
e ;
Nos gustaría conocer una función que describa la temperatura, para saber
a qué hora hay que encender la calefacción para que alcance una temperatura
determinada.
62
~n
2. 1. Motivación
i, habitación en
.< ': .: Ejemplo 3. Actualmente, con una calculadora o un ordenador obtenemos
L ~ .csndo la tempera- los valores de cualquier función, Pero esto no siempre ha sido así, Por ejemplo,
para funciones como e', In x, sen x, cos x o tg x, lo que se conocía era el valor
de f en unos puntos (que venían en tablas) y si queríamos evaluarla en un punto
en el que no estaba tabulado, teníamos que aproximarlo. La siguiente tabla da
.;
los valores de lafunción In x, redondeados con 4 decimales, de 1 a 2:
l.[:~-.,-:(ra, para saber f ° 0,0953 0,1823 0,2624 0,3365 0,4055 0,47 0,5306 0,5878 0,6419 0,6931
v,: _~ o :, ',0 temperatura
Si nos hace falta In 1,35, debemos calcularlo a partir de estos valores.
63
Ejemplo 4. Para calcular los valores de una función dada mediante una
tabla, en un punto que no aparece en la tabla, se utiliza la aproximación por una
cJeIC'
recta. Para aproximar ln 1,35 a partir de la tabla del ejemplo 3 determinamos la
punto.
ecuación de la recta que pasa por OJ, 0,2624) Y (l A. 0,3365) Y el valor aproxi que lc : .". J
mado es el correspondiente a 1,35. En la figura observamos que la función prác
una L:'" - '::1
ticamente coincide con la recta en [1,3, lA]. La ecuación de la recta es mavor :
blande e- -'~
x-1,3 1,3-1,4 0,1 ción po.: - :-:'-'.,
y-0.2624 0,2624-0,3365 0,7-0741
:::::} 0,074l(x-1,3) = O,1(y -0,2624) Ejemplo é
unCOL':~' " •
:::::} Y = O. 741x - O, 9633+0,2624:::::} Y = O, 741x - O. 7009
tos. Lo , --]
de la be:
factori.-. '_;¡
truirla, ;'j, ,
o coso En t. " _i
o
decir ui. : ';j
0,4
0.2
x
, ~
64
>n 2. 1. Motivación
/~/\
-::' .ie la tabla. Figura 2.2. Aproximación a una barra que pasa por 5 puntos dados.
65
. '.1••••
'1111111'.117'" 7
que pueden venir de una función matemática, definida por una ecuación, o de
puntos XI< se llaman nodos. La forma más elemental de interpolar una función
consiste en aproximar los valores por un polinomio que represente los datos.
Esto quiere decir que se trata de buscar un polinomio PI! (x) de grado n de for
PI! (x) es el polinomio de interpolación. Si aproxima a una función matemática ~':: .:: _ _ _ -.. 3
f(x) se dice que p; (x) es una aproximación polinómica de f(x). -=. ': : -: -_ - '::':::1
~::
.-- - --- - - ~
66
on 2. 1. Motivación
67
'¡e_. 2
n:
-,.~------"'---!II!!II!!!!!I!I_--""--"-
1 d "IJI) J 11 111
...• __ 1
El método de los polinomios de Lagrange tiene un gran interés teórico, pe
los datos. Simplemente nos hacen falta los datos (Xk,j(Xk» para k = O ... n. Los
fue determinar n polinomios L k (x), de tal forma que cada uno valga 1 en el no
por factores adecuados (que van a ser los datos f (Xk), se obtiene el polinomio
de Lagrange.
distinto de cero en Xo = -1. Las raíces de este polinomio son los otros nodos 0,
qo (x) = (x - O) (x - 2) (x - 5)
obtener:
68
on 2.2. Polinomio de Lagrange
•
mos L k (x), qk (x) y qk (x¡J qk (x) es el polinomio que vale O en los nodos distin
tos de x, y toma un valor distinto de O en Xk. L¿ (x) vale 1 en Xk y O en los otros
e o:oo::'f¿S teórico, pe nodos. Para 2 nodos, la ecuación de estos polinomios es
I,::o~oo:::-o:;:¡lión en orde
1: = L (5) = O. k O 1
Xk -1 O
¡C:-'::':':1do con los ca
!(Xk) 1,8 2,4
; _:0:':mula general.
69
~'?'!i'C • • L22 E
-",;;::II-"---"'-~---------""----"-"
2. Interpolación polinómica y aproximación
Entonces
_ ...
donde La (xo) = 1 = L¡ (Xl) = ~ (X2), Lo (XI) = La (X2) = L¡ (xo) = L, (X2) = L; (xo) =
resto de los nodos. Con 3 nodos, son polinomios de grado 2. La forma de cons
truir L k (x) es encontrar un polinomio de grado 3 que se anule en todos los no
dos menos en xi, que llamamos qk (x) y luego dividirlo entre qk (xd. Un qk que
10 verifica es el producto de los factores (x - xi) paraj -:,t. k. Con 3 nodos, los po
70
Obsérvese que Lo (x) y L¡ (x) no son iguales para 2 nodos que para 3. Para
2 nodos son rectas y con 3 nodos son polinomios de grado 2, es decir, de la for
ma ax' + bx + e, ya que tiene un factor más en el numerador. Para construir
P2 (x) se ha multiplicado cada L; (x) por f(Xk) , porque así en los nodos se obtie
nen los valores dados.
qo(xo) (-1-0)(-1-2) 3 3
~ q2(X2) (2-(-1))(2-0) 6 6
Es muy sencillo comprobar que este polinomio cumple las condiciones pe
didas, y se deja como ejercicio.
71
, Q,!U&. ,'p
_"'''':llI!'•••, m G • •I• • •Uf'
•iIiI• •
I
t
q¡ (Xk) = (x¡ - xo) ... (x¡ - X"_I) (x" - Xhl) ... (x" - x,,) para O < k < 11
y estos valores no tienen por qué ser 1, que es lo que buscamos. Sin embargo,
si construimos
Nótese que LI:. (x) depende del número de nodos que se toman. que no es lo
mismo La (x) para 3 nodos que para 8 nodos. por ejemplo. Una vez que tene
mos estos polinomios. si cada uno de ellos lo multiplicamos por f(Xk). el poli
llamamos p", y que pasa por los puntos (x",J(x,,» para k = 0 ... 17.
72
..:::
'<,
E 75
"'"
":J
:::
":J
= l. 50
" . = i YL, (Xk) ~
".::',. que no es lo ~
-_ "c. vez que tene 25
,. '::-,:':. (IX,), el po1i
O
O 1 2 3 4 5 6
Tiempo (s)
~: ':'. .ie grado n, que Figura 2.3. Polinomio interpolador de los datos de velocidad de un coche
de carreras.
¡
Se quiere determinar un polinomio que aproxime a estos datos (Figura
t 2.3 J. Como disponemos de 4 datos, el polinomio va a tener grado 3. Determi
k~. ' namos q, (x) y q¡ (x,), utilizando número con 3 cifras significativas:
(jo (xo) = qo (1,31) = (1,31- 2,73) (1,31- 3,64) (1,31 - 5,14) = -12,7
(jI (Xl) = q, (2,73) = (2,73 - 1,31) (2,73 - 3,64) (2.73 - 5,14) = 3.11
'--------~
73
Ejemplo 1
P3(X)= qo(x) f(x q¡(x) fCY¡) + q2(X) f(xJ+ q3(X) f(x
o)+ 3)
qo(x o) q¡(x¡) q2(XJ q3(XJ
= 42. (x-2,73)(x-3,64)(x-5,14) PCJ!il):O " : : . : .;¡
liia.i(~ c; o , -'/' j
-12,7
+72. (x-l,31)(x-3,64)(x-5,14)
3,11
+93. (x -1,31)(x - 2, 73)(x - 5,14)
-3,18
+114. (x-l,31)(x-2,73)(x-3,64)
Aprc: __ -~
13,8 que inci.: __ .
so. Los ,r.;: ':.1
Realizando operaciones, simplificando y redondeando, tenemos:
,1<
42" 72",'
P3 (x) = -12.7 (x' -1l,5r + 42, 7x - 51,1)+ 3,11 (x' -10, Le + 30,2x - 24,6) A.ño
Poblad I
= -3,31 (x' -11,5x 2 + 42, 7x -51, 1)+23,2 (x' -10, lx 2 +30,2x - 24,6)
-29,2 (x 3 - 9, 18x 2 + 24,3.:r -18,4) + 8,26 (x -7,68.:r + 18,3x -13, O)
3 2
74
on 2_2. Polinomio de Lagrange
122
1996+- = 1996.3
366
Aproximaremos el valor del año 1997 con los datos de 1996 a 2000, por
que incluir datos más alejados puede hacer que el resultado sea menos preci
so. Los datos están en la siguiente tabla:
r :, i>C: lilas:
k O 1 2 3
L' - .30.2.:r - 24,6) Año (Xk) 1996,3 1998 1999 2000
Población (f) 39669394 39852651 40202160 40499791
',':...,.~ -18,3x -13,0)
1,.- -.30.2x-24,6)
5~ - - 18. 3x -13, O)
-:':'.-570
75
o
4,04e+07
4,02e+07
4e+07
3,98e+07
3,96e+07
3,94e+07
3,92e+07
],ge+07
1996 1997 1998 1999 2000
x
qo (x) = (x -
1998) (x - 1999) (x - 2000)
2
=x 3 - + 11 988 002x - 7988 004 000
5997x
q¡ (x) = (x - 1996,3) (x - 1999) (x - 2000)
=x 3 - 5995, 3x 2 + 1,1981 x 107x - 7,9812 X 109
q: (x) = (x - 1996,3) (x - 1998) (x - 2000)
=x 3 - 5994Jx2 + 1,1977 x 107 )," - 7,9772 X 109
q3 (x) = (x- 1996,3) (x- 1998) (x-1999)
~x3-5993,3x2+ 1,1973 x 10
7x-7,9732
x 109
76
,n 2.2. Polinomio de Lagrange
77
~:~L• • •
~ _,~·":::!l:±t!i!lll.!!iIII!lI"_• • • •" •
• •" '• •JlIIU,Mlll
•••• .•un
•• • • ".IíIIIl•••••"•••
t'I'L. r" 1 R' nnri
1997 es 39638499.
polinomio totalmente nuevo, ya que se pueden utilizar los coeficientes ya de para k ='.'. ':
terminados. Esto posibilita aumentar la precisión, pero sin comenzar de nuevo
cias dividi.L- j¡
Para el polinomio de grado l, que pasa por 2 puntos, tenemos una recta, de
que es la 01:::::-:=1:
ecuación: resta de ]e',- :'.:":
pasa por x, :.
De forr..; =-~
como
troduce una cierta «curvatura» en la recta que pasa por 2 de los puntos, re
sultando
78
ion 2.3. Diferencias divididas. Fórmula de Newton
= p¡(x)+b2 ( x - xo ) (X-X¡)
Obsérvese que los dos primeros sumandos son iguales a la recta de la apro
• ximación lineal que pasa por Xo y Xl' El último término es el que introduce una
,- _:- n + 1 nodos se curvatura en la recta anterior y para determinarlo se tiene en cuenta el nuevo
;:"-0: :=,-:r ellos. La inter
punto, X2. Además, para determinar b2 se consideran las pendientes de las rec
:. '::'::c nos ayuda a en
tas que pasan por Xo y Xl, que es (f(X1) - f(xo)) / (Xl - xo) y por Xl y X2 ((f(X2)
-r; : :[05 métodos que f(xl)) / (X2 - Xl))'
r:-::r2riamente separa Generalizando este procedimiento, definimos las diferencias divididas de
, '::-. ididas de Newton °
orden como
C-o: ':c!erminar el poli
ec: .J. la interpolación f[xd =f(Xk)
te r .:: ue determinar un
[, : .eficientes ya de para k = 0, ..., n. Estas diferencias son el valor de la función en Xk. Las diferen
ir; : :rnenzar de nuevo cias divididas de orden 1 son
c--.:::-_~~.
79
-'''::..'.Y._.•'
• 111:==,'. n,
que aproxima la derivada de las diferencias de orden 1. Así, podemos decir que
las diferencias divididas de orden :2 aproximan «la derivada de la aproximación
de la derivada» o. 10 que es lo mismo. son una aproximación de la derivada se
gunda de j(x).
Y, en general, siguiendo esta pauta, se define la diferencia dividida de or
denm.
I '
Diferencias divididas de Newton de orden m I
en donde f
den m - 1.
[X¡c+l, XH • .. . . XI!!J yf [Xh X,~¡, .... Xk~,,,- ¡J son diferencias divididas de or I~
La :_- __ :-1
tabla. éT. _ - - ]
Como son una aproximación de la derivada de las diferencias de orden lumna -.'::
In - 1, en realidad son una aproximación de la derivada de orden m de la fun La colur: - _
ciónj(x). -
partir de ,_. _,~l
cias de " ~ ~ =- .
Ejemplo 12. Dada la siguiente tabla de valores, den k - l __J
por deba
se caku:.::-
k O 1 2 3 4
Xk -1 1 2 4 7
!(Xk) -1 -3 2 6 12 Xk f[Xk] flxi:- Xii
- .:
TI
Xo j(XI))
-
vamos calcular las diferencias divididas de hasta orden 4. En general, como XI j(Xl)
siempre nos basamos en las diferencias de orden anterior. éste cálculo se hace
... ... r' -
en una tabla como la siguiente:
-
X" f(x ll )
80
on 2.3. Diferencias divididas. Fórmula de Newton
7 12
x, If[xd rv; xk+d f[Xk ••• Xk+2] ... f[xo ... XII]
81
··:;;~_"I. = IS ..
lit
• 111 11 1.'
P4 (x) == f[x o ] + f[x o , Xl] (X - .lo) + f[x o, Xl' X2 ] (X - .lo)] el.' - Xl) +
+f[·:r o, Xl' x 2 • x 3 ] (x- ~\:o) (x - .r.) (x -xJ
+ f[x o, Xl' X2 ' x 3 ' x 4 ] (X- .lo) (X - XJ) (X - X2 ) (X - X,)
==-l+(-l)(x-(-1))+2 (x-(-l»)(x-l)
+ [ --3J (x-(-1»)(x-l)(x-2)+-(x-(-l)(x-2)(x-4)
23
5 240
3
== -l-(x+ 1)+2(x+ 1) (x -1) --(x+ 1) (x-1) (x-2)
5
23 Esta .: " ':~
+-(x+ 1) (x-l) (x-2) (x-4)
linoniios. E " ~
240
82
,n 2.3. Diferencias divididas. Fórmula de Newton
~~ .nterpolación por
Xk f[Xd f[Xt,Xk+l] f [xk, Xk+h Xk+2] f[xo, n., X3]
1,31 42 72-42 =211
2,73 72
2,73-1,31 '
3,64-1,31
°
23,1 - 21, 1 = 858
'
93-72 =231 -3,78-0,858
= -1,21
3,64-2,73 ' 14-23,1 5,14-1,31
-X:I+ 3,64 93 = -3,78
114- 93 5,14-2,73
=14
5,14 114 5,14- 3,64
83
·¡c""lli¡"I&l&S 2J [,
- r
grado n - 1, p,,_], sumando el término f [x(), Xl, ..., x,J (x - x() (x - Xl) ... (X- X,,_I)' .....¡
Es decir,
p" (x) = P"-1 (x) + f [x(), Xl, ..., x,,] (x - x() (x - Xl) ... (X - X"_I) -
-- -"-
~
- - ....~
Como para determinar pn-I (X) sólo hacen falta los nodos {xo, XI, ... , X"_I}, si =
añadimos un nuevo nodo, no hace falta empezar todo el proceso de nuevo, bas
ta con calcular las diferencias que nos faltan (que son las diferencias donde es
., .
tá X y añadir este nuevo término.
H CUlO,: .:, _ _ :.=::
Ejemplo 15. Si disponemos de un lluevo dato del ejemplo 10, que es S: : -, ,:,_.:-;
x" = 6.69, f(X4) = 134, podemos determinar el polinomio de grado 4 sin necesi trar fó~~ __ . ~
dad de empezar de lluevo todo el proceso. Nos hacen falta las diferencias don diterer.: ..:' ::- >§
de intervenga XJ,
antes ce. ':"::'_--:;
naba .:::.:..::..~: :.:.::
no \¿:T,.:, _ :: <]
ponas.:::.:: ::.. ::-~
84
~ - X,) '" (x -X,,-I). + ¡[xo, XI, X2, X3, X4] (x - 1,31) (x - 2,73)(x - 3,64) (x - 5,14)
=-1,2x3 + 1O,lx2 - 4,47x + 33,3
-7,43 x 10-3 (X4 - 12,8x 3 + 57,8x2 - 107x + 66,9)
2
~\. - Xn-l) =-1,2x3 + 1O,lx - 4,47x + 33.3
-7,43 x io';' + 9,51 x 1O-2x3 - 0,429x2 + 0,795x - 0,497
"t." ••"'-"\_ ••• , Xn-l}, si =-7,43 x 1O-3x4 - 1, lOx3 + 9,67x2 - 3,68x + 32,8
r~:. :,,] de nuevo, bas
~ ~: ~-:,cncias donde es- Este es el polinomio de grado 4 que interpola los valores dados de la velo
cidad del coche.
. .i:~ = -2,98
~..:. - 3.05
2.4. Error cometido con un polinomio interpolador
85
"',~!I'!!LiE... "P'
_---_0..-'_ . -..
E (r) - P (x)
debe anularse 11 + 2 veces: en los nodos .Yo, Xl ..... XI! Yen X. Por tanto. la deriva
Ejernpl-; H
da 11 + l de esta diferencia se tiene que anular al menos una vez en el intervalo
1..7i 1 ;.,,
más pequeño que contiene a todos estos punto, que llamamos l. Este cero es ~.
La derivada es:
Ca;);
Como esta expresión es válida para cualquier punto :Y, entonces se conoce obtener -,
el error. el error" _
86
to: "'> .
_ _ _"""L~'i;!'ii;;<i~~~~
~~<W--~~tRij;;2,,''::'~''Il~JE72T':S:::::'''-':=:=--=~=
-=-::.....::~:::~-.-::.::::::=-.::.'"=.~;;.""':"_-~":'--:;-:=-~':;·-~:7 -'~:.:..:::~~::.¿=:~--'-,_.=-" ~:::':;;-.'..:.-¿~--:--':::;'~;::-E¡':;¿';:::1::';:l"'¿ili",?:~;~~7""---=~~~""I!<ED~
e: ~~ : ;,~ :
z<.r}= e \,-1,. '\1
-._--
(n·-i-lL
- -:. ~emos pedir que
._ _ ' -rante C en este en donde ~ depende de x.
, " _ontinuas, la di
Este error depende del punto x y ~ está en el menor intervalo que contiene
a {xo, Xl, ... , XII}'
- - r' tanto. la deriva
l:-.. z: en el intervalo Ejemplo 16. Vamos a encontrar una cota de! error que hemos cometido al
2...-' <! Este cero es ~. aproximar ¡(x) = In X en X = 1,35 por el polinomio de grado l en e! ejemplo 4.
Este polinomio se determinó a partir de los valores de Xo = 1.3 Y XI = 1,4. El
error es
.
EL\}= (x-x'j)(.r-x¡)
I fHI (;) I
(1+I)l
1 (1.35-1.5)(~;;)1=0,05.0,15-21 ;:\
-. ':>
porque f' (x) = -lit.:'. Como no conocemos ~, encontramos una cota de este
error como
t -
l 1 1
8(1.35) = 0,05·0,15- ---:;-::; 0,00375-, ::; 2,219 xl
2 ~- 1,3
_,
°
'X-X I1 )
87
una cota del error válida en todo un intervalo. Entonces hay que buscar una co
I1
Una cota del eITO! cometido alaproJ(in"it¡;¡r f(x) (derivable n + l veces) por un poli
E(X) :;;
(x - xo) (x - x¡)...(x - x n )
Hay que señalar que la cota que obtenemos es una cota del error máximo
que se comete en todo el intervalo. Pero en cada uno de los puntos se va a co
meter un error menor, generalmente. De hecho, se podría estimar una cota me
nor para cada uno de los puntos y así lo haremos cuando lo necesitemos. Pero
la ventaja de esta ecuación es que tenemos una cota del error en todo el inter
valo. lo que nos evita estimar diferentes valores para distintos puntos.
- : -=
Ejemplo 17. Vamos a obtener una cota del error cometido al aproximar
88
ron 2.4. Error cometido con un polinomio interpolador
L:-.:¡ue cometemos en
o+¡
11.:.'" .mporta es conocer E(X)::::;I(X-Xo)(X-x¡)(X-X o ) M I
- (2+1)1
\2-, .::ue buscar una co
2. -=-=: error E.
donde M 3 es una cota de la derivada de orden 3 de f(x) en [0, 1]. Esta derivada es
: -, ::-LíltOS
Se anula cuando 3x - 3x + 0,5 = 0, es decir
i ,,<:::13.r una cota me
89
I(al - O) (al - 0,5) (al - 1)/ = 1(0,21132 - O) (0,21132 - 0,5) (0,21132 - 1)1
= 4,8113 x 10- 2
l(a2 - O) (a2 - 0,5) (a2 - 1)[ = [(0,78868 - O) (0,78868 - 0,5) (0,78868 - 1)1 p _,1
= 4,8113 x 10- 2
Ambos valores son iguales (lo que es evidente si observamos que son simé
tricos respecto a 0,5). Entonces, la cota del error es
-
B(.:r):::: (x - O)(x - O,))(x - 1) 3! I
M, I
ya qUe'
I
::::1(X-0)(X-0,5) (x-1) ~I
Li; l - _,'
más si i . :
donde Mil es una cota de la derivada de orden 1 ¡ de f(x) = cos x. Las deriva
das del coseno verifican Pero e
grado ji',
f\x) =-senx
obten en:
r(x) = -cos x
los cálc :
f"'(x) = sen x
f Ok \X = (- 1) ' cos X
l( ) que ll0I1T ... '
r:J -
J I()
x (1 )k+ I sen x
=- / para 1\, = O,1, ... remos ar
__
90
ron 2.4. Error cometido con un polinomio interpolador
Ix - xkl = SUP{Xk, I - xd
La cota del error que resulta con estos valores es
r)
C(-"- < I( v _ v ) ¡ y _ r.) ... ¡\--r _ v ")
IV! ¡.'
,-
e - ¡\-\. ·'1.0 \,A_ '\I /I.¡¡/ I 11!
i 1;
1
polinomio de
"" :1/7
< 1·0.9
. ·0,85·
" 0,8·0,7
" . ·0,65·0.55
. . ·0.65·0.8
"·0.9
. -1-'
1l!
";~. 0.2, 0,3, 0,35.
en el intervalo :s; 1. 796 X 10-9 = ,6.
91
l' JI r
Como para calcular f [x, .lo, XI, ... , x,rJ hace falta conocer f(x), que es una in T.
L.'".
cógnita, así no podemos estimar el error. Pero podemos utilizar una aproxima
ción de esta diferencia dividida y tener
r:Ó
1:.'
linc-: ~ ~~
A' (x) = 4x 3 - 2
38,46x + 115,51x - 106,99
92
on Interpolación de Hermite
2 .::J•
93
'·"il!"'UI....•• s Uf'"
2. Interpolación polinómica y aproximación
_-.JI
para k= O ... n .,
Como se determinan 2n + 2 incógnitas, resultará un polinomio de grado
decir,
donde q¡ (x) es el polinomio formado por el producto de los factores (x -.1.J pa
que Ln,f,. (x) vale l en x~ y Oen los otros nodos. Tenemos que añadir n porque los
Polinomio de Hermite
94
,n 2.5. Interpolación de Hermite
Ejemplo 20. Vamos a construir una carretera con un puente que una dos
_:-:-mio de grado riberas de un río. Debe unir dos carreteras paralelas al curso del río. Por eso,
[~ -_-, condición so sabemos que debe pasar por dos puntos determinados (donde terminan las ca
rreteras, que supondremos con coordenadas (0,0) y (5,1)). Además, se pide
_-':1diciones an que la continuación de la carretera a ambos lados sea tangente a las carrete
__ :: ::¡:,arecían en la ras existentes (ver figura 2.5), para facilitar la circulación de los coches. Los
~ ~::~:::-"j"'n del grado datos que tenemos son
:_:, :.5n LII,k (x), en
J:'~- __ :::~:;;; k-ésimo, es
k
Xk
°O I
5
!(Xk) O 1
t' (Xk) O O
l tX}
-2 o
T
2
x
4 6
Figura 2.5. Unión por un polinomio de Hermite de una carretera a los dos
lados de un río.
rv n.
95
'~".¡,.,'J ,.... r •
22E!!"": rI r IltSrrnr
L;o(x) =-1
'
Lu(x) = ~1
)
96
on 2.5. interpolación de Hermite
~
- .. ;,orque n = l. El
'5 ~ .:"::0.1 t n = 1). Los =0·(1+2x)(5-x) +1· 3- 2 2 [ Jí\5XJ2 +0·x(5-x) 2+0·(x-5)x 2
5x
=(3-~XJ(~J
Este polinomio es el que hemos representado en la figura 2.5, entre x = OY
x=5.
1
6. = sup I (x - x o )2 (x - Xl)"... (x - xrJ 2 sup I f2/l-r2) (x)
1 1 __
97
"'!I!IIiII!l,UU. 2&iC'1!
n
de grado Zn, pero para calcular las raíces de la derivada no tenemos que resol
ver un polinomio de este grado. Su derivada es
98
ion ';~:::~¿!;}0:']':3jfi:.';;)§C;íf¿; e. '9
----""""~~,"""'" ~-S-?~~"--.i~,,:c::,~=---~-::...-=-~_:::=::,~---.- ~_~_ .-----.....c "_ :; ,,~: __,:-'-' ~:-:,":-,,"~:_::,;;,,;,=,::"'::~-;~=:,::jL:!~·,.~-:;;:'~"é"'''''~·~~-~~-::;;",,--'D'-lr"'"~~
,1;"
f'(x) = 2.{-ln x+-' =2x In x+x = x(2ln x+1)
x
f"( x) = 2 In x + 1+ 2 = 2 In x +3
f'''(x) =~
.C
4
·f 5 } ( x)=
x'
ó" 12
~-e grado n - 1. ·f (.\)=--
4
x
r _ _errado y acota
¡- :- -este intervalo.
El error verifica
2. . = ... JI, las raíces
W.r~~~)
__ :: ::UDto se alcanza
::. : ' y donde g sea 18(x)1 = 1 (x - V (x - 2)2 (x - 1
-; .: ':~e se alcanza el
r'.:., ::recisa que otros
2..' _' - .nces de un po
-1_.I (X
\'
-1) (x - 2)
.,
(.y - 3)' -
' 1 12
6!~4
1
. :: _ .<; ón polinómica
e - - :,borioso. =!I (x -1)" (.1.'-2)2 (.X' - 3)' _._1_1
60~4
. '; ¡¡1OmZCa ala
.'t evaluar: Pero
Buscamos los máximos de la función g(x) = (x - 1)" (x - 2)" (x - 3t Para
r- . . c 0.1. No sabe
ello, hacemos
r: ;,5.apartirde g' (x) = 2(x - 1) (x - 2)" (x- 3)" + 2 (x - 1)2 (x - 2) (x - 3/
.."¡,ntoxvaaser + 2 (x - 1)" (x
- 2)2 (x - 3)
= 2 (x - 1) (x - 2) (x - 3) [(x - 2) (x - 3)
+ (x - 1) (x - 3) + (x - 1) (x - 2)]
= 2 (x - 1) (x - 2) (x - 3) (3x 2 - 12x + 11)
Aunque podía parecer difícil calcular las raíces de g', porque es un polino
mio de grado 5, al escribir la derivada de esta forma. es muy sencillo. Se redu
99
Lb
ce al cálculo de las raíces de una ecuación de grado 2, porque las otras solucio
nes son r¡ = 1, 1'2 = 2 Y 1'3 = 3. Las raices que faltan, que llamamos 1'4 y 1'5, son
x=
12±.J12
2-4·3·11
=2±-
-13
2·3 3
26
interpolaca
En estos puntos, se verifica
-- ---
~
-
- -
-
-.;.
-13) = g [2 -:3
= g(3) = O < g [2 +:3 -13) ' y estos puntos son los únicos candida ..,
ten» ':.
tos a extremos, el máximo se alcanza en 1'4 y 1'5. Entonces
~.6Li 0: ..
inter: .:.
le(x)1 =I(X-l)' (x-2f (X-3)2 601~41 :r, = ('. ,
2.6bi. E'
nodos
<1 0(1' ,)_I_II<I~_I_1
-1" 4 60~4 - 243 60~4
Obser e:'
simetri. ~
X4 = O,' :',0=
3 1 I 1 1
= I 3· 81 5~4 ~ 405~4 ~ 405· 1
< 0,0024692 ~ 0.1
100
00 2.6. lnterpolecion de splines
~ ~
_. otras solucio- 2
Así. la aproximación de f(x) = x In x por su polinomio de Hermite de gra
r-_ .. - ", y rs. son do 5 nos da un error menor que 0,1 en el intervalo [1,3].
..cotado, se al- 1
.inicos candida
por 1II1 polinomio. Si comenzamos con 3 nodos (xo= -1, XI = O. X2 = 1) )" los de
terminamos el polinomio de grado 3 que pasa por ellos. el resultado (Figura
2.6a) se aproxima en (-1,5, 1,5), pero no se aproxima en el resto. El polinomio
interpolador de grado 6, obtenido con los nodos {xo = -3, XI = -2, X2 = -1,
X3 = O. X.+ = 1, X5 = 2, X6 = 3) se parece más af(x) que en el caso anterior (Figura
2.6b). En la Figura 2.6c se representa el polinomio de grado 8 que pasa por los
nodos {xo = -3. XJ = -2, X2 = -1, X3 = -0,5, x.+ = O, X5 = 0,5, X6 = 1,X7 = 2, X8 = 3}.
Observamos que su gráfica difiere bastante de la de f(x). Pero si los nodos no son
simétricos. como en lafigura 2.6d. donde los nodos son Xo = -3, Xl = -2, X2 = 0,5,
x.+ = OY X5 = 1, el polinomio resultante ni siquiera posee la simetría de f(x).
101
a b
J
2
---"-
-
--
e d
.,
102
on 2.6. Interpolación de splines
~----J
X"-
. \, X
2'
1
.::L'mio resultan-
;::~ -c- '::';J)'oximar a tro- 1\
~~ ~~
E::.::})' un polinomio
: __ ~ .. .iü O de los sub-
103
dir en subintervalos basta con indicar cuáles son los nodos. A partir de ellos ya
podemos reconstruir los subintervalos. Los subintervalos pueden tener distinta
longitud, no tienen por qué ser iguales.
Para aproximar una función por splines, se interpola en cada uno de los su-
bintervalos por un polinomiovf (x), pero pidiendo que la función resultante
g(x) sea varias veces derivable en los nodos comunes. g está definida a trozos
en cada subintervalo (x" Xk+l) como el polinomio ji, para k = °..
n-l. La in-
terpolación polinómica más sencilla es lineal por secciones, pero el resultado
tiene, como ya hemos comentado, poco interés desde el punto de vista prácti-
co: en los nodos comunes las gráficas tienen esquinas, lo que no suele ocurrir en
el diseño de la carrocería de un coche o el fuselaje de un avión. Los splines pue-
de ser de cualquier grado, pero normalmente se utilizan splines cúbicos. donde
la función g es continua y tiene derivadas primera y segunda continuas en todo
el intervalo (a. b). Buscamos funciones de la forma. para k = 0, .... n - 1
en cada uno de los n subintervalos (Xk. Xk+l) resultantes de los n + 1 nodos (ver
figura 2.8). Así, nos quedan 4n incógnitas a determinar. Las condiciones para
determinar estas incógnitas son:
e Los valores de las funciones interpolantes deben coincidir con los datos Se .: _'::~J
(Xk,f(X,J) en los extremos de cada subintervalo. es decir: • H,,<.: _-o J
104
on 2.6. Interpolación de splines
l=-,:::::-;:"Jlación polinó-
J:.:::: =-. :'l'JS con puntos
~::: :-. uevo). Para divi-
~ ,-\ r-artir de ellos ya tri
=- _::: ~-:n tener distinta ;-\
\. f
~
00
. I
,, '
' fk /'-
,,
o.
~~'
, '
¡ - o';'intervalos, da- ,,
.~ YIO,5,3).
l Xl X2 », Xk+l
"-:,, ~dinida a trozos para k = 0, .., n-l. De esta forma, resultan 2n condiciones. De estas
. = ... 11 - 1. La in- condiciones se deduce la continuidad de la función definida a trozos re-
t e- ::'-:fO el resultado sultante, ya que se cumple:
t .: de vista prácti-
[_:: '0 suele ocurrir en
o
ji- (.'ú¡) = j(Xk+í) = fk+l (Xk-t-l)
=- LIS splines pue-
~ o -:::'cúbicos. donde • Las derivadas primeras de las funciones fk (r) deben ser iguales en los
r __ , 'minuas en todo nodos interiores (todos los nodos, excepto XI) y x l1 )
i. = .... n - 1
.f:-l (x k ) = f/ (x,) para k = 1,..., i1-l
El número de condiciones que añadimos es n - 1.
- , - J nodos (ver • También deben coincidir las derivadas segundas en los nodos interiores
~ _- ",ndiciones para
.f~1 (x.) =.1;' (x,) para k = 1,..., n-l
e .: _.~:f con los datos Se añaden otras n - 1 condiciones nuevas.
• Hasta ahora, tenemos
2n + (n - 1) + (n - 1) = 411 - 2
105
1'1i1(\,)=0
.1n-]~ n
.to '\' -. o
I ( . ) - f'l f'1 {. \ _ rl
.117- 1 -.T"
\.\" }
106
2. lnterpolecion polinomice v eproximecion
condiciones. Nos faltan 2 condiciones para determinar de forma unica dos y el 'e.
las funciones fie (x). POl' otro lado, los dos puntas anteriores imponen la siguicnt;
condiciones sabre los nodes interiores. Pero tambien tenernos que exigir
alguna condicion sabre los extremes del intervalo, .co y x.; Para determi
nar el spline ctibico, se pide que en estos extremes se este en uno de es
tos dos casas, segun se disponga de datos adicionales 0 no:
Lr»: ,.
(0, 1) y I 1."~ -,
En este caso, se llama spline natural 0 litre. Un ejernplo de spline li
nomio de
bre es la curva que describe una barra elastica a la que se la obliga a
- -:
,
L
donde .fo' y '/;:" son datos del problema. tos C.Y,. "
escribe:
En cualquiera de estes dos casas, ei spline ciibico g existe y es UTIlCO.
es 96 km/h 2 • Posada "I hom. su velocidad es 112 km/h. A las 3' horas tiene una nodos i.n:
2
velocidad de 80 km/h Y una aceleracion de -48 km/h (es lin movimiento dece
lerado). Suponemos que fa [uncion f (x) que describe su velocidad es regula!'
(derivable 2 veces). Vamos a buscar; utilizando splines, una fun cion g(x) que
aproxime a lex). La acelcracion es 1'(x). Conocemos el valor de I(x) en 3 no
106
on 2.6. lnterpolecion de splines
,- "~~
forma unica dos vel valor de f' (x) en los nodos exteriores. Estos datos estan resumidos en
'- imponen
:~:l,-'res {a siguiente tabla:
:: ~:':-:':LOS que exigir
Para determi k i, 0 I 1 I 2 I1
~ ::-::: en uno de es-
Xk TOT11~
f<xd
r (Xk)
Los nodos estan en el intervale [0,3]. Los 2 subintervalos que resultan son
(0, 1) y (1. 3). En cada uno de estos subintetvalos vamos a determinar un poli
i :' ::: ','r:,lo de spline li nomic Lie grado 3:
e ,:. :c:.: = sela obliga a
3 2
Ie (x) = aox + hi}x + CeX + do en (0,1)
,C' {,.\ __ rt ,.3 + b 2 +. + (qf en, (,1,.)
' '1)'
j l l"./'.j - ~fiA IX C:X
Los valores de las funciones interpolantes deben coincidir can los da
tos .f(.-rJ,:)) en los extremes de cada subintervalo, que matematicamente se
escribe:
\:,t( y es unico.
.{' I .. \
Jo\-,tO)==J .. \ ~ f ",n· \
r-: ~
Ft, ..A(\)----7JO\Uj==U----;, 0,3", n
V ==C!O' : -r-UO" V
0"\2 r: '
n, 1
vo'UTOn=Co
f +
, -:--c:..:. c:: el tamafio del Jo" " fl \ ~" ) ~"... 1 ":
(X1) == J \Xlj ~Jo (1" == IlL::::::;- I 1~ == Go· 1- + De;' 1-
j l ~ ,
'"" 1"
,....
CO· L do + +
:e'~-:"::,: las 4n incog == aa + Do -!- en
: En cada uno de f r: I -
'-' i \,.{ 1j - J.i'(.. \ ~ f I 1 \ _ Ii.i' 2 ---:'"
.'~. I) ---t' J 1 \.i) -
~ 1
-L
12 - U:
," -
13
...:-
+ UI-.I " 1c + C,1 •;1 I
T
II
(,
107
entonces debe cumplirse: Resoi.:c: .':::
mos que lC. ,_ "
t: Lc l) = .k
(XI) => 3a0 . f + 2 b 1+ Co = 3a 1 . f + 2 hi . 1+ (I
Q • metodo de :, _ci
=> 3aO +2bo +c O = 3al +2bl +(1 plificaci c' . _~- ~~
nitas i1iET
Hemos aiiadido 2 ·1 = 1 condicion nueva.
- Tambien deben coincidir las derivadas segundas en el nodo interior
(XI)' Las derivadas segundas son
POl' ";C' ._
fa"(X) = 6a ox+2bo nes, el sis::
,f'ex) = 6a l x +2hl
Como edemas conocemos e! valor de f' (x) en los extremes del interva
10 [0, 3], las 2 ultimas condiciones SOI1:
incognita • . .
do el met.:«: _,
10 que implica que:
r; (3) = 3a] ·3' +2b] ·3+c] = -48 => 27a; +6b[ +c] = -48
Asf, resultan 4 . 2 = 8 ecuaciones, que son
do = 0 (2.2)
al + b, + CI + d, = 112 (2.4)
27 a, + 9b l + 3C1 + d, = 80 (2.5)
Co= 96 (2.8)
108
Resolver este sistema por la regla de Cramer es muy largo, ya que tendria
rnos que calcular 9 determinantes de orden 8. Es mas seneillo resolverlo por el
1-;.- (1 metodo de reduccion 0 eliminacion de Gauss, pero es mejor hacer alguna sim
plificacion antes. De (2.2) y (2.8), resulta que tenemos 2 ecuaciones y 2 incog
nitas menos. Por otro lado, sustituyendo (2.8) en (2.3). queda
Par otro lado, sustituyendo este valor y b., = 16 - all en el resto de ecuacio
nes, el sistema, reordenado, queda reducido a
ao-3aj-2b l - c j = -128
2ao-3aj-b1=-16
aj + b, + CI + d, = 112
Tla, + 6b j + CI = -48
Tla, + 9b j + 3c] + d, = 80
' "'OS del interva- Como podemos escribir bo en [uncion de ao, nos queda un sistema CO/1 5
ecuaciones y 5 incognitas: aa, a), bv. C1 Y d.. Escribimos los coeficientes de las
incognitas y los terminos independientes en la matri: My resolvemos aplican
do el metodo de Gauss:
1 -3 -2 -1 0 -128
2 -3 -1 o 0 -16
= -48 M=lo 1 1 1 1 112
0 27 6 1 0 -48
0 27 9 3 1 80
(2.2)
(2.3) 1 -3 -2 -1 0 -128
(2.4)
0 3 3 2 0 240
(2.5) =?
(2.6) 0 1 1 1 1 112
F; ~ F; -2F;
(2.7) 0 27 6 1 0 -48
(2.8) 0 27 9 3 1 80
(2.9)
109
2. lnterpolscion polinomice v eproximecion
(1 -3 ,..,
-1
. 0 1~81
-;~~ I
-L,
i , 1 1 1 I
I 0 ~ ~
L~
=> I n
v 3 3 2 0 240
L
t:
" HF;[ I
v 27 -48j
A
" 6 0
In \ \.1 27 {\
';1 3 1
! 80
,..,
(1 -3 -L, -1 0 '''S\1
-lL
=> 1
I
i
0 1 1 1 1 112 !
F3 ~ ~ -3F; -t
! =>
0 r\
v -3 -96 j
r\
v -1
,.~ =---~
F. ----;>
F. -27F; 0 0 -L.l -26 -27 -3072 I
,.."
I
-3 -2 -1 o - 128 1
o 1 11/
~ ~-
iI
o -18 -24 -26 -2944 [
o -21 -26 '-"7
-L! -_,v,L
'Jr\7"
Ii
o o -1 -3 -96)
1 -3 -2 -1 nv -1281
0 1 -t
1
,1 1~ 1 --; '"l
IlL
I
=> I
0 0 -18 -24- -26 -2944 I
F~ ~6F',
_IT: 1- -.;
r s. :3
2176 !
,A. I
0 u 0 12 20
i
0 r\
v -1 .3 -96)
En coda paso, debajo de cada implicacion (=», hemos indicado las opera
ciones que haciamos con coda fila (que hemos llamado Fi}. Las sustituciones
que Sf i',: _-- _.
se han indicado con ~ (por ejemplo, Fc ~ - 2F] indica que en fa segunda la deri. ,._
fila se escribe estafila menos 2 multiplicado por la primera), Los intercambios
entre filas se indican con H, Asi, Fe H F 3 significa que hemos intercambiado
las filas,J.lsegunda
.u 1/... v tercera A loartir
UL"'.y - i ,,,
,'~ de In ]110t'·;." resultante escribiendo de.....- nue
\.~.~ <A- {""", ,,,,.~f<.;.,''L--,jl/_t,~V"J~~_,~ ,)\...-,t._J~,--_,tU4J' <.-V
110
1024 r<
d = - ---- - 0'+
! 16
('I = 96- 3d] = 96- 3(-64) = 288
~) 1 1
-,.., b. = 1"8 (2944- 24C 1 - 26d]) = 18 (2944- 24· 288 - 26(-64» = -128
(/1 = 112- bl -C 1 - ell = 122- (-128)- 288- (-64)= 16
=-128+301 +2b1 +c] =-128+3·]6+2·(-128)+288=-48
Teniatnos. ademds
Una vez que hemos encontrado los valores de todas los incognitas, pode
mas escribir los polinomios:
~.~~:.-: intercambics
to derivada de f en las extremos del intervalo. Ademds, notese que hemos defi
n: TC rcambiado
nido g(x) como fll ex) en el segundo node (XI = 1). Podiamos huber definido es
"(,!lda de flue-
te valor come II (1), es indiferente, porque lafuncion vale 10 mismo, }' tambien
sus de rivadas primera ~v segunda.
111
120
CUeD,~IT
100 .:. La ~~:~,
80
das. '. s,
60 di. Ie:':":::
facil.t.;r
40
~:~ i\l ~~::j
20 ?\e'·.:. :,.
tas > .:.::
O'------I.-----L----'------'----"---------''-----' nu;:"-'·=· ~
o 0,5 1,5 2 2,5 3 3,5
x
de "':-: :-:"
¢:~ Frecuentemente podemos estar en la situaci6n de tener valores de cier
0:_ El xfe,,]
tos parametres obtenidos experimentalmente y necesitar conocer una el '. ::':T
funci6n que describa el comportamiento del sistema. 0 necesitar los va lore- :;-:1
lores en otros puntos, que no podemos determinar experimentalmente.
*:c l~I"l,J. .=~
los valores en todos los puntos. Entonces 10 que se hace es buscar otra
<.;., Dado un conjunto de n + 1 datos, que son, para k = 0, ..., n, los nodos x,
y el valor de una funci6n en ellos !(Xk), el polinomio interpolador que
«pas a» por estos datos es iinico. Su grado es n y se denota PI! (x). Hay
varias formas de encontrar este polinomio.
?:<- El metodo de Lagrange se basa en encontrar varios polinomios que val
gan 1 en un nodo (Xk) y 0 en el resto. Operando adecuadamente con es
tos polinornios, se obtiene el polinomio interpolador de Lagrange.
$:9 Si tenemos el polinomio interpolador de Lagrange y afiadimos un nuevo
nodo y el valor de una funci6n en el, para determinar un nuevo polino
112
on Recordemos que
113
FE
3.1. Motivaci6n
La diferenciacion y la integracion son los pilares del Calculo Infinitesimal, despues ':::.:: ~
la principal herramienta matematica de un ingeniero. Para introducir la dife una SUT~,
renciacion, se comienza definiendo la derivada de una funcion j en un punto a
mediante el paso al limite de un cociente, obteniendose como resultado, en su
caso, un mimero real f' (a). Suponiendo que se realiza elmismo proceso para
punto generico x, se define la funcion derivadaf' (x). Despues de un laborioso
trabajo se demuestra una serie de formulas 0 reglas que se agrupan en una tabla
de derivadas, gracias a la cual podemos derivar funciones de aspecto muy com
plicado sin caleular un solo limite.
Se sigue un procedimiento analogo can el concepto de integral. Primero se
introduce la integral definida de una funci6njen un intervalo [a, b] mediante el
3.1.
paso al limite de una cierta suma, obteniendose, en su caso, un mimero ff . [jn
la funcion F(x) es r f.
Podria p.:.~::.:=~
3.1. Ejemplo. Si queremos caleularf' (1), siendofla funcion to el prct.=::-:--:J
asi. COD'- :":.;;;:
podernos .:.= ..:.:
f(X)=[X-~J[X-i J[x-~ J' En r:-:,-,,,,
que :--c .:.. :'.::1
identida.i
primero expandimos el producto (y=e· . . . . :;
116
3. 1. Motivaci6n
1 13, 3 1
{(x)=x - - r +-x--,
lIE . . 12 S 24
I (x-~J[x-*J[X-±JdX'
"
f c. =~~'CCTIO superior
x. . . Se dernuestra
<D": 0 c'riginal]: y as!' determinamos una primitiva del integrando, evaluamos en los extremos y
<i~'': de nacer limites: restamos
117
3. Integraci6n y derivaci6n numerices
combinar funciones existentes para crear otras nuevas: suma, multiplicaci6n, Todavi; ~:u
divisi6n, composici6n e inversi6n. Podemos referirnos a todas las funciones nornenos ,-, -' _"
que pueden generarse de esta manera como funciones bdsicas. Por supuesto, cas: pueder. -?
las funciones basicas no tienen por que estar definidas en toda la recta real. operaciones _~~
mentada ::T:e,~,a
3.3. Ejemplo. Mediante sumas y productos de funciones constantes y de
c
nos impei.r .n
la indentidad se puede obtener cualquier polinornio, como y = x' + 2x ++. En e} :::;~::
matemati,' , ~ '-~
Mediante la composici6n de una trigonometrica y de una polin6mica resulta.
de una gL:' _.:. ,
por ejemplo, la funci6n y = sen (Xl + x). POI' medio de la inversion, a partir de
En c:<:: ~.::.I
y = x 3 obtenemos y = \G. Un ejemplo de funci6n basica mas complicada que aproximac: ~,
las anteriores serfa: dos nurueri ,
nida (priIL~:-_
cos(..J7+l +2)+tan .:r
y=
La derivada de una funci6n basica es tarnbien una funci6n basica y, en 3.2. Regia del n
principio, podemos calcularla utilizando la tabla de derivadas. &
Sin embargo, la primitiva de una funci6n basica puede no ser una funci6n
basica. POI' ejemplo, la funci6n f(x) = e x ' es basica, pero su primitiva,
mente n[;;:,:<::" :
F(x) = 1'.1, no 10 es; por eso no podemos calcular f: x
e ' dx con la tabla de in tenida. C:--:.: e;;
finida ~C't:::: .ll
tegrales. Se debe sefialar que, incluso siendo la primitiva una funci6n basica, ignorand: .::e TI
puede ser extremadamente dificil, si no imposible, determinarla. Incluso cuan
do se pudiera derivar 0 integral' mediante tablas, la complejidad de los calculos
podrfa aconsejar una aproximaci6n numerica.
118
3.2. Regia del trapecio
-; _:-~~.::. rnultiplicacion, Todavia existen mas dificultades, pues las funeiones que deseriben los fe
.; - -J c,~ las funciones nomenos fisicos que interesan a un ingeniero no siempre son funciones basi
f" •.•. Por supuesto, eas: pueden aparecer definidas mediante lfrnites, integrales, series 0 mediante
i ::<:~.:: 1.1 recta real. operaeiones logicas; estas ultimas son frecuentes euando la funcion esta imple
mentada mediante una rutina de un programa informatico. Estas circunstancias
C" -::' constantes y de
nos impedinan derivar 0 integrar mediante tablas.
:'== '. = x' +2.:r 2
+~. En el peor de los casos, la funcion podrfa no tener siquiera una expresion
r; ;--lin6mica resulta, matematica explicita. por 10 que solo dispondriamos de una tabla de valores 0
a ,::-·:,:-si6n. a partir de de una grafica empirica, obtenidas mediante experimentacion,
En este capitulo abordaremos distintas estrategias para calcular, de modo
;.;, --..;, .omplicada que aproximado, derivadas e integrales. Obviamente, puesto que se trata de meto
dos numericos, no pretendemos hallar la funcion derivada ni la integral indefi
nida (primitivas), sino la derivada en un punto y la integral definida.
119
3. Integraci6n y derivaci6n numerices
f"f(x)dx~ f(a)+f(b)
a 2
(b-a)
3.5. Ejemplo. Apliquemos la regIa del trapecio para aproximar fa" f(x) dx,
siendofla funci6n del ejemplo 3.1. Operamos con dos cifras decimales
1"f(x) dx
o ~ (f(0,00) + f(2,00)· ~
?
cz
O'
16
= -
9
cz L778.
-
------_.
-
- -- - - --
, . f(b) + f(a)
Figura 3.1. Area del trapecio =' 2' (b - a) .
120
3.2. Regia del trspecio
C~ . .:: semisuma de las 3.6. Ejemplo. Dividamos el intervalo [0, 2] en veinte partes iguales y apli
quemos la regla del trapecio en cada una de ellas, para aproximar f f(x) dx,
-c-r-r-
~
......
,,; ,,, -r r
, Ll ....... ~
, • I.r' .f( ~x) dx
~,
siendo f la funci6n del ejemplo 3.1. Operamos con tres cifras decimales
* .... j
c.::,,,:C'clmales
ft(x) dx ~ f f(O, 1· (k -1)) + f(O, 1· k) (0,1) zz:
k=l 2
cz [f(O) + f(O,1) + f(O, 1) + f(0,2) +... + fO, 9) + f(2)J 0, 1 ~ L785.
>:)0 - 0,25)) ~
2 2 2
Function f (x)
f = (x - 0,5) * (x - 0,333) * (x - 0,25)
feb) End Function
Function trap ( )
n = 20
a = 0
- b = 2
b h = (b - a) / n
k = 0
trap = 0
:'-U) .
Do
121
3. Integraci6n y derivaci6n numerices
k = k + 1
If k > n Then Exit Do _.
trap trap + (f ((k - 1) * h) + f (k * h)) /2
.
Loop
trap = trap * h
End Function
3.- Ej
122
3.3. Integraci6n del polinomio interpolador
17
~,:
(x)= ~
L.J ch(x) f'( XI_~
')
. ,=0 ch(X,)' ,.
10:: E,.( el escribimos
I ;85, Si quere
':3.l-~ en donde qk(X) es el polinomio de grado n obtenido al simplificar
: = ~: por n = 50, Y (x xo)(x x]) ...(x x,,) q,(x)
Compruebese que ---"------() vale 1 en
q, x k
X = x, Y vale 0
x-x,
"..::~:~rYalos
iguales
en cualquiera de los otros n nodos,
~"~" iguales, con 10
Al reemplazar el integrando I(x) por el polinomio PI1(x), obtenemos la si
guiente aproximacion de la integral
jS :;u.l1es equiva1e a
d~: .ntervalo por un
n). en e1 que Integracion numerica por interpolacion ell n + lpuntos
t')
1q)x)dr
ff(x)dx,," iaJ{x;c), en donde a
'.1 i;::::fl: q,(x,) ,
Xk -1 0 2 4
• !(Xk) 6 0 24 0
, ..:.: .nterpolar lineal
F:o:dimiento susti
;;:;:.'~ grade.
Vamos a utilizar la interpolacion de orden n =3 para estimar el valor de r f(x) dx.
fr·, '" ::113.r la integral Tenemos .1'0 = -1, XI = 0, .1'2 = 2, .1'3 = 4. Como I (XJ) =I (.1'3) = 0, solo necesitamos
p..::::,IS del intervalo calcular ao y a-:
123
3. lnteqrscion y derivecion numerices 3
ao =
ao =
Finalmente
5 125
f f(x) dx "" L aJ(x
4
-
1
II
k~O
k) = ----;;-6 +-24 = 65.
L 48
Observese que la tarea de calcular la integral de una funcion, que puede ser
muy complicada, incluso desconocida, se ha sustituido por el calculo de n + 1
integrales de otras tantas funciones polin6micas. Aunque esos polinomios son
siempre los mismos independientemente del integrando, 10 cual facilita la ta
b
bulaci6n de los valores de las integrales f qk(X) dx,
a la complicaci6n de los
calculos no se compensa con la ganancia de precisi6n en los resultados, por 10
que, en la practica, la f6rmula anterior solo se suele emplear para valores de n
menores que 6 y con nodos igualmente espaciados.
Parece l6gico estimar el error de truncamiento en la integraci6n a partir de
las estimaciones que ya conocemos para el error en la interpolaci6n lineal.
Recordemos que el error de truncamiento cometido al aproximar el valor
de una funci6n f(x) mediante el polinomio interpolador en n + 1 puntos PI/(x)
viene dado por
(2)
124
.;; absoluto, esto es que existe una con stante M n+1 tal que If"+1) (x) I ~ M n+1 para to
do x E [a, b].
!~ :1
Al integrar en (2), aparece el termino fba l(x-xo)(x-xJ ...(x-x n )Idx.
l~S
Recordando que x k = a + k ' : resulta conveniente aplicar en esta ultima inte
~s
gral el cambio de variable x = (b - a) u + a, de manera que
b-a k k
x- x k = x- a - k - - = (b-a)u -(b-a)- = (b- a)(u--)
n n n
21 aproximar el valor
"(n+1)!
er: ': - 1 puntos pix)
(2)
l . ~~llmente espacia
~":.:: acotada, en valor
125
dl = f: lu(u-l)ldu=-f:U(U-l)du=i
_.-=- ~ ..
.~. ~ -=.-.
~-- '-_.- ~
~
126
(' 1 2-13
o 2 +cos x dx =:: 3 n "'" 3.62759873
1
,,- '; if - 1idu = 32
Vemos que la aproximacion obtenida es bastante mala. Esto se debe a que
el intervalo [0, 2n] es demasiado ancho: comprobaremos que la aproximacion
puede mejorarse aplicando la regla de Simpson en varios subintervalos, al
igual que hicimos con la del trapecio. En la figura 3.2 se puede ver la grafica de
1
f(x) = , con forma de campana, y la de su polinomio interpolador de
2 +cos x
segundo grado, que es la funcion que de hecho integramos al aplicar la regla de
Simpson. El error es el area de la zona sombreada.
•
f';~~,cnte espaciados, 1
/._-h
~- " -
-b •
2 < x2 -
y
~. 0+ 1 - - - - - - - - - - - - - - - - - - -
,, / 2 1 n f(0)+4f(n/4)+f(n/2) n 3 2+~,~ 2
127
3. lnteqrscion y derivecion numerices
dx~nf(l[/2)+4f(n)+f(3n/2) =n ~+4.1+~ =_5n ~2.618 Regia del SinIj~
1) n 12
»r: 2 + cos x 6 6 6
2n 1 d.x=n fC3n/2)+4f(7n/4)+f(2n) n
~+_-I_+~
,,+!,2 )
r]
~-l
f
0
- - - - - ~ 0,605
)n/2 2 + cos x 2 6 2 6
~
Par 10 tanto,
2n 1
1
1 -2+cosx
o
--dx ~ 0,605+2,618+0,605 = 3.828
3.FI. Ej
Denotemos par x"k-I' can k = 1,2.... n, al punta media de cada uno de esos
".-) = X _ 2+ x
k 1 k
subintervalos, esto es, x..
1
y - ------~
--------.
o+------------------=-
n 2n
"n )
Figura 3.3. Error al aplicar la regla de Simpson a la integral l
o - 0- ,- ,
_+,::os.r
dx
dividiendo el intervalo [0, 2n] en tres subintervalos.
128
3.4. RegIa de Simpson
i - _ SiT ",,2,6]8 RegIa del Simpson en n subintervalos de igual amplitud (2li +lnodos)
~-6
f f(x)dx"" --I.'
b b-:a
. f( 11 .
{i x c p)+4f(x'k j)+f(xlk ) _
---",,0,605 n k~1 6
= b~a( In
"k=O
x 2J +i ' t f '(x2k_l) _ f ((I ) + f (b) )
k=] 2
Function f (x)
~-----
f=1/(2=Cos(x))
2rc End Function
Function Simp(n)
.:.-: j k 1
2+cosx dx a o
~. 2-_,~~.
b 2 * 3.141592
129
h = (b - a) / (2 * n) 3.5. Error en la
S1 = 0
SP f (a)
Do La 3.~:'::~
If k > 2 * n Then Exit Do dor (ver l., ,~,,:
S1 S1 + f (a + k * h) 1a regla ::~ ~ :::<
k = k + 1 tud. el er:': ~ :1
SP = SP + f (a + k * h) Por 10 tJ.=-~: .
k = k + 1 -
Loop b - a pe[
'""1
Simp = ( (b - a) / (3 * n)) * (S P +2 * S I - ( (f (a) +f (b)) / 2) )
End Function
1 4,886920889
2 3,49065812
3 3,676826478
4 3,615324456 3.11. Ej
5 3,630952472
3,626704247 20 sub.r; :~:-.:
6
7 3,627838625
8 3,627534473 f(XI =.'
9 3,627615948
10 3,627594115 En este ~.::' -,
11 3,627599965
12 3,627598397 sabiamc. .-!
130
. c<~:8
L~.: '::-:...:56 3.11. Ejemplo. En el ejemplo 3.6 aplieamos la regla del trapeeio en
~ ~~~"':''72
>- ""':''::-+7 20 subintervalos para estimar el valor de la integral f: lex) dx, siendo
~-'~_::::6:5
:-~:..:..473 13" 3._1
3
3
:-~::,Y-+8
l(x)= . r -
12 X' + s ·r - 24'
:-:''''''':'115
En este easo conociamos el valor exaeto de la integral, ~ , par 10 que tambien
:-:'~";~65
:-:: ~::":·97 sabiarnos cual era el error eometido en esa aproxirnacion, E =I~ - 1,7851,
131
3. Integraci6n y derivaci6n numerices 3.5. Em
(3)
en donde M 3 es una cota de la derivada tercera del integrando, 11 3) (x) 1~ M 3 pa Rccue~·j;;::--:: ,~:..i
ra todo x E [a, b]. : -r- ~.-: S. ;.f_ f
No debemos olvidar que nuestro proposito es conseguir una estimacion del
error para la regla de Simpson aplicada en multiples subintervalos, por 10 que
nos interesa concentrarnos en el caso de que la amplitud b - a sea pequefia
(bastara dividir el intervalo inicial en un mimero suficientemente grande subin
tervalos). En esas condiciones, cuanto mayor sea el exponente de b - a. menor
sera la cota del error. Recordemos que un numero positivo menor que uno se va por . - .-.
haciendo cada vez menor segun 10 elevamos a potencias cada vez mayores. . . ,
En esas condiciones, podemos conseguir una acotacion mejor que la ante n; :"ut<;-:~::-:~· .:-'=:
rior. El truco consiste en imaginamos que afiadimos un nuevo nodo X3 a los tres
132
3.5. Error en las reglas del trapecio y de Simpson
~~=-c.comenzando can
=
M~(b-a)511 uU-
( 1)2(1 ) l
-UGU=
M 4(b-a)5 1 M 4(b-a)5
o
. Si "plicamos la f6r 4! 0 - 24 120 2880
se ~~=!! es aquf el or
E:;:O 1 error para la re
en donde se ha aplicado el mismo cambia de variable que en la secci6n 3, esto
es, x = (b - a)u + a. En definitiva
(3) E«b-a)5 M~
- .
(4)
2880
;,---=: ,c··' (x) I ::;; M 3 pa
Recuerdese que aquf M 4 es una cota del valor absoluto de la derivada cuarta,
11 4 1 (x) I::;; M 4 para todo x E [a, b].
~ ~:';::. estimacion del
Observese que la acotaci6n obtenida en (4) no siempre es menor que la de
,;;:::'--, alos, par 10 que (3). pero resulta claramente mejor cuando se aplica en intervalas muy pequefios.
C " - a sea pequefia
Finalmente, la cota del error de truncamiento al aplicar la regla de Simpson
==:;:o:,;:e grande subin en In subintervalos iguales se obtiene sumando las acotaciones de los errores
;C-'c de b - a, menor en cada uno de ellos, obtenidas segiin f6rmula (4). Como antes, cambiamos b - a
':~':::~I-,r que uno se va
par b-a, la amplitud de cada subintervalo, y multiplicamos par In, porque hay
.~c:::. '-ez mayores.
III
133
3. Integraci6n y derivaci6n numerices
4! X = 22-12In(.r+2)
.f (x) (.1+2)4
(2-0)sxO,86 27.52
E < =-------,
- 2880 m' 2880 m'
J: In
2(x
+2) dx = 14ln" 2 -121n 2 +4"" 2,408576029
134
3.6. Formulas de cuadratura de Gauss
r
(
m Simpson en m subintervalos E (error real) 27,52
2880 m
4
t~ 1
2
2,410020304
2,408696339
0,00144428
0,00012031
0,00955556
0,00059722
~-
0=
3 2,408601526 0,00002550 0,00011797
~ 4 2,408584316 0,00000829 0,00003733
t 5
6
2,408579467
2,408577699
0.00000344
0,00000167
0,00001529
0,00000737
7 2,408576934 0,00000091 0,00000398
- In'(x+2)dx 8 2,408576561 0,00000053 0,00000233
9 2,408576361 0,00000033 0,00000146
2 ,,:-- un mimero va 10 2,408576247 0,00000022 0,00000096
~ 0_Tnctido en cada 11 2,408576178 0,00000015 0,00000065
a..:~~:..'I el valor exac 12 2,408576134 0,00000011 0,00000046
.-: i . error real (exac
"2:='2: .::uarta del inte Es interesante observar que si el integrando es un polinomio de grado me
: ::- .c:- J. 0 btener nor que n, entonces la constante Mil puede tomarse igual a cera, porque la deri
vada de orden n de un polinomio de grado menor que n es identicamente nula.
Par 10 tanto, la regla del trapecio da resultados exactos cuando el integrando es
un polinomio de grad a menor que dos, mientras que la de Simpson es exacta
siempre que el integrando sea un polinomio de grado menor que cuatro.
l'~::::~',c,s M, = 0,86 Y
3.6. Formulas de cuadratura de Gauss
"'z-m o
135
3. Integraci6n y derivaci6n numericss
en donde xo, XI, ... x son n nodos (puntos del intervalo [rz, bJ) y an, a], ... all-I
l1 _ ]
b-.a
Go ==6--;;;
(7
1
= 2\h-a!
?'m
b-(i
a 2m =6111- ..
~
La eleccion de los nodos ha sido hasta ahora bastante arbitraria: se han es --
cogido igualmente espaciados para facilitar la programacion del algoritmo.
Otro punto de vista consiste en elegir los nodos de forma optima, en el sentido - - - ="1:
de que se consiga que la formula sea exacta para integrandos polinomicos del
mayor grado posible. Por ejemplo, si queremos una regla con n nodos, en la
formula (5) tendriamos 2n incognitas (n nodos y n coeficientes); por 10 tanto,
podnamos imponer 2n condiciones: la primera, que la formula sea exacta para
polinomios de grado cero (constantes), la segunda, que la formula sea exacta
para polinomios de grado 1. etc .. Asi la regla obtenida serfa exacta para poli
nomios de grado menor que 2n. Estas reglas se denominan formulas de cua
dratura de Gauss.
136
3.6. Formulas de cuadratura de Gauss
X, ..' =b lineal de n ecuaciones (una por cada valor de k) cuyas incognitas son
los II coeficientes de PJx).
ii-a
11 2:n == 6t1l 3. Resolvemos el sistema lineal anterior y asf determinamos el polinomio
PJx).
.::..-:-:.:[:aria: se han es 4. Hallamos la raices de PI/(x), que seran los nodos Xo < ... < XII-I .
5. Una vez conocidos los nodos, determinamos los pesos de acuerdo con
;;::::: :T. del algoritmo.
,-'::'L:.. en el senti do . .
el procedimiento de la seccion 3, esto es a,
." l''t, (
= ~.
x) rL\
; "
de manera que
:;-. :C.>-, en la que apa
•.< .iue dos. Sin em
se:'; .:xacta para poli- 1: g(x) dx =b;a t g( b;a u + c.;'') ell!
c~, '.::i solo intervalo,
, .':'': ;rJdo menor que Los polinomios PII(x) se denominan en este caso polinomios de Legendre.
, , :'. noes nodos sera
3.14. Ejemplo. Aplicamos el procedimiento descrito para determinar la
<edimiento para regla de cuadratura de Gauss con n = 2 nodos.
_ . para la corres 2
. , : _En lineas gene 1. P 2(x ) = x + b.x + boo
2. Planteamos el sistema
._ __ igual a 1) cu I ,
137
3. lnteqrecion y derivaci6n numerices
esto es
La soluci6n es bo = -~, hi = O.
a -
Q -
11Cfo(x)dx
-1
(x·) -
11.
(x-x
x·
- -1
1)d.:r
v-
-
-
II
-1
(x-~~)dx
-I
1
-
1
-
-
_c, ,
-'-- -
2
1
Cf o ' O '0-"1 -
-"\ -
, -\"
- - -\ ,
. Formula de cuadt4
1
1
3.15. Ejemplo. Vamos a estimar el valor de la integral
1 ~
2 -i cos r
1
138
' ".
So- R(x)dx=n
II R(nu+n)du=n II 1 du=n II 1 du
-I -I 2 + COS(lrll + n) -I 2 - cos lrlt
I
-r . T ·,....3
.r
Sl . (li) = 1 , entonces
. ~:~ ios nodos son 2 -COSlrll
-- 1 1_~
..:- -;
Finalmente
-="'::"::-=1
§c
f
e.
I 5
I f<tt) du "'"
-1
139
f"
o
'J
_
1
+cos X
dx mediante la f6rmula de cuadratura de Gauss con 3 nodos. Sean
D", L. :c, ~
g Yflas funciones el ejemplo 3.15. Entonces nealmente :: .:-_'-i
de orden ~ ::-.:::-"
da sobre '-:
Finalmente
2 dx = lrfl
1 2+cosx
o
1
1[
-I'
f(u)du'" 4,057449518
f'iY'
3.17. Eja
das -:,':T'
1. o+c~.x dx.
.,
I) - :-.
140
. ~ f(b)-f(a) (.'r-a)+f(h).
f(:'()- b a
r-
F(x) "" feb) - f(a). En particular, siendo h la mitad de la longitud del inter
(b-a)
• c:::-~,.,'~imaci6n obte valo, h =b;a, y aplicando la expresi6n anterior en el punto medio x del interva
;:,.. ",::",'"imar la inte
10 [a, b], obtenemos la Hamada formula de las diferencias divididas centradas.
~::. ..:. ,j:f~rencia entre
a . "-,)mbreado os-
~ --'"
'~i:i.-;;
2n
3.17. Ejemplo. Apliguemos la f6rmula de diferencias divididas centra
das con h = 0,1 para aproximar!,(l), siendofla funci6n del ejemplo 3.1
141
3. lnteqrecion y derivecion numerices 3,8
3=
Al igual que hicimos para la integraci6n nurnerica, podemos eonsiderar po
linornios interpoladores de grado mayor que uno. Supongamos que conocemos 1'
los valores de f en n + 1 puntos, esto es, tenemos los nodos
I X - .,
Xo < Xl < ... < X,,_I < XII
Recordemos que el polinomio de grado menor que n + 1 que interpola a fen 3.18. Ejd
esos puntos viene dado por
X, = O. x= =
142
-
para obtener
. ~ -:;Je interpola a I en 3.18. Ejemplo. Supongamos que I es una funci6n desconocida y que he
mos obtenido por experimentaci6n los siguientes valores en los nodos Xo = -1,
Xl= 0, X2 = 2
-1 2
Xk
°
F.:=:-c:j,:; al simplificar !(Xk) 0,685 0,666 2,968
Si evaluamos en X = XI resulta
Esta formula no es otra que la de las diferencias centradas divididas, 10 que nos
sirve para observar que esta regla proporciona una aproximacion de segundo arden. por 10 l.::."ll:. C:. 1
POI' ultimo, si evaluamos en X = Xc, tenemos Pixie' . 1
derivan.i - ,
f'(x,)~ 2x 2 -x, -:1: 1 fU 2x o -X o -xo f(xJ+ 2x 2 -x o -x] .
o)+
(x o - xJ(x o - .v.) (x 1 - X o )(X 1 - ':(2) (x 2 - X o )(X2 - x])
f' (X) "= - - - - - - '
1h
1 \ - .
f(x 2 ) = 2 f(x o ) - 1)
f'(x)~ -3f(x)+4f(x+h)-f(x+2h)
. 2h
144
_. -x,:,-x l
-3 fO) + 4f(l +0, 1)- f(l +0,2) = -0.0042652635
-'. )(X 2 -Xl) El valor exacto de la derivada se calcula sin dificultad en este caso
I-x
f'(x) = (x' + 1)2
. ..: C' .JcC" segundo orden. por 10 tanto, el valor exacto es f' (1) = 0.
,. - X',)(X 2 - x.)
f'er)'"" 2X-X 2 - Xl . fU ) + lx-.\o-X u f(x ) + 2x-xo - x 1 f(x )
o l 2
(x o - Xl )(xo - xc) (Xl - '\0 )(.x 1 - x, ) (x 2 - X o )(x 2 - Xl)
,,2
f (x)'-", . f(x o ) +
2 f
,(x1 ) +
2
f(x,)
(x o -xl)(X o -x,) (xl-XO)(XI -x o ) (x 2 -Xo)(X o -Xl)
eo
Eo
~"
Al considerar nodos igualmente espaciados, y escoger X = Xl. xo = X - h,
X2 = X + h, se tiene
~
145
3. Integraci6n y derivaci6n numerices
~ ---~-
__-::-~.f
Estimacion de la derivada segunda con 3 nodos (centrada) '-U~~
\ ;.":," ;
rex) zzz f(x - 11) - 2f~x) + l(x + h)
. . h"
,-- - - :r
~ ....: '..... :.~ _. :.
3.20.
lex) =
x
- 0-
Ejemplo. Estimamos el valor de la derivada segunda de la funcion
en el punto x = 1 con un tamafio de paso h = 0,1.
-:: ...
-"";';;:";
_...:
.;;
r+1
De nuevo, el valor exacto de la derivada segunda se calcula sin dificultad p2:-..: -~pi
bIt:' ~':-~:::-J
'
. - ') - XC, - 3 .
t. ." (x)-~x (..c +1)'
;.;1 ,_.:;j
~ ~r::·.::·'-':::
por 10 tanto, el valor exacto es. f " (l) = 1
-2"'
Si se interpola en un mimero suficiente de puntos, se puede estimar el valor
de las derivadas de orden superior. ".'~.~ -:
':"_ ~ ":".;.;l
Recordemos que:
.:. Llamamos funciones basicas a las que pueden definirse a partir de las
elementales mediante las operaciones habituales .
•:. La derivada de una funcion basica es tambien una funcion basica y, en
principio, puede calcularse aplicando la tabla de derivadas. n '. ~~. ~.,:,
.:. La primitiva de una funcion basica puede no ser una funcion basica, en ttr,=...'-=
cuyo caso, de nada nos sirve la tabla de integrales.
.........
•:. Las funciones que aparecen en ingenieria no siempre son basicas. A ve ......
-
,
~.
- "
-
-
~...,
146
Recordemos que
I
miento.
•:. Un buen procedimiento para obtener f6rmulas de integraci6n 0 de deri
vaci6n numericas consiste en reemplazar la funci6n dada por un polino
~.:: _- j., de la funci6n mio interpolador, para integrar 0 derivar despues ese polinomio en vez
de a la funci6n dada.
•:. Al integrar un polinomio interpolador de primer orden se obtiene la re
gla del trapecio, mientras que al integrar uno de segundo orden obtene
"'\...:. ~ - ..: ... mos la regla de Simpson.
.:. La forma mas conveniente de utilizar las f6rmulas del trapecio y de
Simpson consiste en dividir el intervalo dado en varios subintervalos,
2. '.~. =.:lcultad para aplicar despues las f6rmulas en cada uno de ellos. As! mejora nota
blemente la exactitud de los calculos .
•:. Al aplicar la regla del trapecio, el error es inversamente proporcional
al cuadrado del mimero de subintervalos, mientras que con la de
Simpson el error es inversamente proporcional a la cuarta potencia de
ese mimero.
•:. La cuadratura de Gauss tambien se basa en la integraci6n del polinomio
Le=::'= estimar el valor
interpolador, pero, en este caso, se escogen los nodos de manera que las
f6rmulas sean exactas para polinomios del mayor grado posible.
•:. Si las derivadas sucesivas del integrando que estamos considerando no
alcanzan valores demasiado grandes, las f6rmulas de cuadratura de
Gauss en varios subintervalos proporcionan mejores resultados que las
~ - -,;:, :l partir de las del trapecio 0 Simpson, cuando se considera un rnimero equivalente de
nodos en unas y otras .
=-:'.c:,:m basica y, en •:. Aunque la f6rmula de las diferencias divididas centradas se obtiene de
. ..: J. J.". rivando un polinomio de interpolador de orden uno, tambien puede ob
L :-,::-,ci6n basica, en tenerse derivando uno de segundo orden, por 10 que el error que se co
mete con ella es menor de 10 que en principio cabrfa esperar. De hecho,
~;:' ";: basicas. A ve proporciona resultados exactos cuando se aplica a polinomios de segun
do grado.
s: ~:':J.S son factibles,
c-- - ':Tnericas.
147
7
te, la integral definida de una funci6n en un intervalo es un cierto mimero real. neral -:::: .::. -:
Par otra parte, al hacer una integral indefinida tenemos que buscar una funci6n
cuya derivada sea el integrando. En ese sentido, el proceso de integrar viene a
ser como una adivinanza en la que inc6gnita es una funci6n de la cual solo se
conoce su derivada. De forma mas general una ecuaci6n cuya inc6gnita es una
funci6n y en la que aparecen las derivadas de esa funci6n se denomina ecua
ci6n diferencial ordinaria (EDO para abreviar).
4.1. Ejemplo. La ecuaci6n y' = 3,.2 + 1 es una ecuaci6n diferencial ordi
naria. La inc6gnita es la funci6n y, que depende de x. Esta EDO equivale a la .:loT'
I,..~'
-
~'.
-,--":;'
__ . ' ", •
siguiente pregunta: i,Cuales son las funciones que tienen par derivada a la fun - .. - . - .
'----- . "'-
,
-- - ~ <
:,.:-:. ''''''':''-
2 '
4.2. Ejemplo. No siempre sera posible en una EDO despejar y' en fun
ci6n de x, como en el ejemplo 4.1: Para resolver la ecuaci6n y' = _2~\),2 no bas
ta con hacer la integral del miembro de la derecha, porque el factor l que apa
rece en el es desconocido. Hace falta una manipulaci6n previa; dividiendo los
dos miembros de la ecuaci6n entre -l e integrando ambos resulta
f ~~' dx= f Lx dx
esto es
1 , ~.::, Ej
- =.c +C
:v
150
s diferenciales 4.1. Ecueciones diterencietes ordineries (EDO)
151
• --0iiill!iC' ._••.
lI!I!!
4. Soluciones aproximadas de ecuaciones diferenciales 4.1.
apro:\:'~:.::.r.':".
4.6. Ejemplo, La ecuaci6n y" = cos x es de orden 2. Para resolverla solo I.~
Ji"~
"'::
',"-' _', .-,:
- __
hay que integrar dos veces. Al integrar la primera vez queda y' = sen x + C; al
hacerlo por segunda vez resulta y = -cos x + Cx + D. Por 10 tanto, la soluci6n restnc:c::·::-. :-.='
general de la EDO es .v = Cx + D - cos x. Observese que para todo punto
orden ': >
(xo, Yo, YI) del dominio U = [R3 podemos escoger las constantes C = Y1 - sen Xo, que k, ;";:'J
D = Yo - (Yl - sen xo).\:o + cos xo. de manera que y(xo) = Yo, y'(xo) = YI· para "!";=:''-.':'''''.
Frecuentemente encontraremos las ecuaciones diferenciales escritas con
orden c:". .~ ...
una notaci6n diferente. Recordando que la derivada y' se escribe tarnbien como
sigue
y' = dyldx, al multiplicar cuantas veces sea necesario los dos miembros de la
ecuaci6n por dx, obtenemos una forma de la ecuaci6n diferencial en la que no se
distingue entre variable dependiente e independiente. Por supuesto, para dotar de
rigor matematico a esta notaci6n necesitariamos definir con precisi6n que enten De e'-t:, :,'.':":-.:1
demos par dx y por dy de forma que el cociente dy/dx sea la derivada v . Renun perior ,:0:-'--=":":2
ciamos aquf a esa exigencia de rigor, como, por otra parte, hicieron los fundado donde - z!
res de la disciplina, y nos conformamos con interpretar que dx y dy representan z =!::. ..; .
incrementos infinitesimales en las variables x e y. Coherentemente con esa nota
cion, cada soluci6n de la EDO se puede expresar mediante una ecuaci6n de dos ~.8. Eje
variables, x e y, que geometricamente representa un curva, a la que denorninare se puece c:'?'"'
mos curva integral. Lo mismo se aplica a la soluci6n general de la EDO.
En principio, una ecuaci6n diferencial puede no tener soluci6n general en o utilizar..::·: c.3;
152
; diferenciales 4. 1. Ecuaciones diferenciales ordin a ria 5 rEDO)
'::-"', ulta -: = -x + C, les, se puede asegurar la existencia de solucion general para ecuaciones diferen
ciales de orden n que tengan la derivada de orden superior despejada: es decir,
.
para ecuaciones d e Itipo
' Y," = g (x, y, y ,, ..., y "-11) ,en d on d e g (x, y, y ,•...• y11-1)) re
presenta una formula en la que aparecen involucradas x, y y sus derivadas hasta
el orden n - l.
Es muy impartante destacar que del hecho de que podamos asegurar la
k t"j,:w del dominio existencia de solucion no se deduce que seamos capaces de calcularla. Es mas,
- e-xo Yo, de ma en la mayona de las ocasiones no existe un procedimiento para hallar la solu
cion general de forma exacta: par eso necesitamos metodos numericos para
aproximarla.
. ?~} resolverla solo Introduciremos algunos de estos procedimientos para resolver numerica
~ c. - = sen x + C: al
mente ecuaciones diferenciales de orden uno can la derivada despejada. Esta
L :::nto. la soluci6n restriccion no es demasiado exagerada si se tiene en cuenta que una EDO de
q'~:: para todo punta orden n > 1 puede expresarse como un sistema de ecuaciones de orden uno y
iEee' C = Yl - sen XI), que los metodos desarrollados para ecuaciones individuales pueden adaptarse
" = \' ' para sistemas.
Para transfonnar una ecuacion de orden n en un sistema de ecuaciones de
;~,::"lc' escritas can
orden uno debemos introducir nuevas variables auxiliares, definiendolas como
:~.'<:-:~ tarnbien como
sigue
,:;,~" miembros de la
e,,~:;.:] en la que no se ~ -- ~ --..-I"~ ,
" , ":"1 - .v" ,
Z~ - - --
..(,0 .. ... ~ ":',n~] •"II-I)
If'e-::''ro, para dotar de
1 ==-::'::1:,i6n que en ten De esta manera, cualquier EDO de orden n; que tenga la derivada de orden su
~ .ierivada y'. Renun perior despejada, se puede expresar en forma vectorial como z' = [t», z), en
h:':,::fon los fund ado donde lex, z) representa una formula en la que aparecen las variables x y
;E ~',_ y dv representan Z = (':0. ZIo ... , z,,).
t~::-::-_ene can esa nota
: _=-::: ecuacion de dos 4.8. Ejemplo. La ecuaci6n diferencial y'" = y" + 3y' + 2/-x, de orden 3,
;: .2 que denorninare se puede expresar mediante el sistema
~"--- -":c laEDO.
1
=
j
7 7
......'0 ....... 1
~ ,<Deion general en a utilizando la notacion vectorial z' = lex, z), conj'(x, z) = (ZI. ':2. ':2+ 3Z1+ 2Z6 - x).
i"':':::' bastante genera En este capitulo nos dedicaremos a desarrollar metodos numericos para re
153
51,"
solver, de forma aproximada, problemas de valores iniciales de orden uno, esto porque i,nf_;
es, problemas planteados can una EDO del tipo .1" = [t». y) y can una condicion cuenterner.t- :!
inicial y(Xo) = Yo. ximacione- ,~,
para de' ~o;;- :J
4.9. Ejemplo. Un problema de valores iniciales serfa Inte £:.. .. ..;:.:;
obtiene L: ':;:.1.
[.,J = -2xv"
h(2) = 3
1
En el ejemplo 4.2 se vio que la solucion general de la EDO era v = -,--. Se comier.z. ,',
.v +C
conocida =,'
Si queremos que se satisfaga la condicion inicial, debe cumplirse ner segui~",-~~j
I I II
3 = v(2) = -c+C
-. esto es, 3 = - - luego debemos escoger C = - -. En
. 2 4+C 3
3
consecuencia, la funcion v = , es la solucion del problema. Debemos Prcce; ::-.J
. 3r-11 - - -
Yo, .1'1' \" :-::;,
insistir en que. en general, no sera posible hallar una solucion exacta de un pro
blema de valores iniciales.
M€todo de las a;
4.2. EI rnetodo de las aproximaciones sucesivas ,
~
ma sin discretizar la variable. Estos metodos son de escasa utilidad practica can a la s: ._:,s
154
s diferenciales 4.2. £1 metoda de las aproximaciones sucesivas
~. ~:: orden uno, esto porque implican el calculo de primitivas 0 la suma de series, 10 que resulta fre
,'. :'.~." una condici6n cuentemente irrealizable. En particular vamos a exponer el metodo de las apro
ximaciones sucesivas, que tiene gran importancia te6rica y sirve de inspiraci6n
para desarrollar metodos numericos eficaces.
Integrando respecto de x, desde Xo hasta t, en la EDO que aparece en (1) se
obtiene la siguiente ecuaci6n integral, que es equivalente a esa EDO
y(t) - ,\'0 = r
-'0
y'(.:r) dx = r fer,
X(I
y(x» dx (2)
ED'.:) era v = _,_1_. Se comienza considerando como una primera aproximaci6n de la soluci6n des
, r+C
conocida y = y(x) del problema (I ) ala propia constante Yo (x) = Yo' para obte
-'':cbe cumplirse ner seguidamente, mediante la ecuaci6n (2), una mejor aproximaci6n
11
s-:.= ~=T C=--. En
3 VI (r) = \' 0 +
~ ~
f'
Xu
. v
I'(x '. 0 (x)
' dx
•
!" =.lC:: la resoluci 6n
Se puede demostrar que si la funci6n f es suficientemente regular y no pre
senta un crecimiento brusco al aumentar la variable y, entonces la sucesi6n
Yo' Yl' Yc' ... converge a la soluci6n exacta y, en el siguiente sentido
(1)
lim max {IY(x) - 5\(x)l:x E I} = O.
K-----'o""'"
155
,~
4. Soluciones aproximadas de ecuaciones diferenciales
de, se puede conseguir que la funci6n 5\ verifique (1) con la exactitud que se
quiera.
{ "y(O)
~." = x + Y , x e c-h.n;
=2
y as! sucesivamente
-
"I' (.:r+2+-.:C
1',(t)=.c+
'- 2
1, +2X.) dx=2+2t+-r
0
3, +-t
2
1
6
1
siernpreq c:::'
3 , 1 "1 jdx=2+2t+-t·+-t·+-t
.~
- =2+ II (:r+2+2x+-x"+-x.
y.,(t)
3, 1"1 1-1
.. 0 2 6 2 2 24
_
o 0
[
(
1'-1 U) = 2 + Ilx
3,1,1 )
+2 +2.:r+-x· +-:1;"" +-x-l dx = 2+2t +-r +-t· +-t-l +-t)
2 2 24
3,1.,11.
2 2 8 120
4.3. EI metoda
?\ os ;:--=-= ::~=
Si paramos el proceso en k = 4, tenemos la siguiente aproximaci6n
mencame.t:e ~
_ 3, 1 1 1 -I 1 <
v (x)=2+2x+-r +-.:C +-x +-x'
.-1 . 2 2 8 120
156
5 diferenciales 4.3. EI metoda de Euler
:0= .:: exactitud que se Asf que el maximo error que cometemos al aproximar la soluci6n median
te Y-I es
f2 ~=-:-~':-lJl~s
8 = max {I,,(x) - 5'.(x)l: x E (-h, h)} s
s max {IY(x) - p(x)1 + !P(x) - Y-I (x)l:x E (-h, h)} s
6 S S 5 5
/ trl -,,6) (0)x + -2X
s max !
:.:r E (- I1. I)}
1 S -3h + -2h = -h
6! 120 . 6! 120 48
\:51 h-l
ly~Cr)-f(x'Y-l(x»I= ~2 -
.-1
- ;20 s6
1
1 -I
+-t
"'. . 24
y = lex, y)
t
r { y(x ) = Yo (3)
o
E .: :~·ipruebese!), fun-
Al igual que en los capftulos anteriores, procedemos a discretizar el domi
nio de la variable x, que supondremos que es un cierto intervalo [a, b], eligien
do una malla de nodos
157
.. .."
~~-
4. Soluciones aproximadas de ecuaciones diferenciales
ell::':':": :::
Igualdad que, mediante el cambio de variable x = XI + ht se expresa como denormr.; c:qJ
sigue un met-xi '-"
lucian J.;:'::'.ll
(4) tiene c:: i
Ecuacion integral equivalente en el intervalo (Xl, Xk+I). En c." .. ~
el mien: r-: : -'
v( t
•
) - v( t )
';:+1,
h
• 'k =1 ((x,+th,v(x,+th))dt
j
D''''''
el extrerr.. :::-::
(4)
158
5 diferenciales 4.3. EI metodo de Euler
= tamafio de paso El miembro de la derecha de la ecuaci6n (4) es una f6rmula en la que pue
~ .. ":T,Jdos metodos den aparecer las cuatro variables que figuran entre parentesis asi como la fun
i - - extremos del in- ci6nfdel planteamiento del problema. N6tese que Xk+1 = x, + h. Segun el ante
rior razonamiento, la f6rmula F debe aproxirnar, de alguna manera, a la
funci6nf
La idea es comenzar con el primer valor )"0 (valor de arranque) e ir calcu
que aproxi
lando progresivamente )"1, )"2•... aplicando en cada etapa la ecuaci6n (4). Ob
los nodos, es-
=:1
servese que cada )"1+1 se calcula a partir del valor anterior )'k, por 10 que estos
L- _'='. . ..., YII> cons- metodos se denominan metodos de un paso.
L.::.=", Dodos.
Estamos suponiendo que el valor de de arranq ue )'0 coincide con el valor
a;-:~::r las ideas de la
inicial del problema, )'(xo) = )"0, 10 cual en la practica no siempre es posible de
:: e. .ntervalo (Xk, Xk+l)
bido a las limitaciones en la representaci6n de los niimeros en un ordenador.
Por ejemplo, si el valor inicial del problema es )'0 = 7[, entonees el valor de
arranque sera cercano a Yo. pero no podra coincidir con el. No obstante, en 10
que sigue ignoraremos este problema y eonsideraremos que el valor de arran
que coincide con el valor inicia1.
Cuando es posible despejar la variable )'1+1 en la eeuaei6n (4), el metodo se
- ," ,e expresa como
denomina explicito; en otro caso, decimos que es implicito. Para calcular Yk+1 en
un metoda implfcito es necesario aplicar procedimientos numericos para la reso
luci6n aproximada de ecuaciones. Para que el metodo tenga sentido, la ecuaci6n
(4) tiene que tener solucion unica cuando se considera )'1:+1 como variable.
~
f En una primera aproximacion, puesto que h es pequeiio, podemos estimar
[
~
el miembro derecho de la ecuaci6n integral mediante el valor del integrando en
el extrema inferior del intervalo, es decir, para t = 0
t
E_
~
1
159
-- ----;;;:;~-:;~~~7-·
4. Soluciones aproximadas de ecuaciones diferenciales
en el intervalo x E [0, 1] con tamafio de paso h = 0,1. Antes de hacer las cuen
tas, observamos que, repitiendo la idea del ejercicio 4.2, podemos calcular la
soluci6n de forma exacta, obteniendo y = (1 + },l.
As! que en este caso pode
mos comparar la solucion aproximada obtenida mediante el rnetodo de Euler
(columna Yk) con la soluci6n exacta (columna (l + xd).
. Se ~ qu.: liE
. carse a P !i'~
k Xk Yk (l+xd
lquierpr~
°
1 °
0,1
1
1 + O.1f(O, 1) = 1,2 1.21
1 ~proNs:w.d ~.
~
3.16 + 0.lf(0,8, 3,16): 3,52 3.61
1 3,52 + 0.1f(0,9, 3,52) - 3,90 4
I
.:.;... - -;." -. ,----
160
I; diferenciales 4.4. Convergencia y consistencia
No todas las f6rmulas como la de la ecuaci6n (4) sirven para aproximar so
luciones de ecuaciones diferenciales. Para que un metodo numerico sea acepta
ble debe verificar algunas condiciones: la primera obviamente debe ser que la
soluci6n numerica se aproxime realmente a la exacta, que normalmente es des
conocida; es decir, que la diferencia entre las soluciones exacta y numerica
,~- .ver el problema tienda a cero segun el tamafio del paso tienda a cero. Consideremos una fun
ci6n continua g con g(O) = 0, un problema P de valores iniciales y su soluci6n
exacta y.
161
-----::-::;-----==
~--------------_ .... -~. __ ~-"-~-
..
&
162
solucion.
aproximan~C
Ii
con k:::: 0..... 11
Yo:::: 1
f 1+ h
~ Yl::::
Iv de
~.
g a1 apl1(]arse
Yk:::: (l + h)k
Por otra parte, es evidente que la solucion exacta es y :::: e', Para estudiar el
l""g P consisterr
51 CS orden de convergencia en este caso concreto hay que computar el lfrnite
E~
163
"~_::±==L
4. Soluciones aproximadas de ecuaciones diferenciales
para distintos valores de p, comenzando por p = 0, hasta que el lirnite sea dis
tinto de cero. Utilizamos la regla de L'Hopital
kh_(1+h)k
= trHfl e = u1m -k/- - ' - - ' - -
h-k(1+h)H=O
, y(x,)-y, par 10 liJ;: ;:' -:l!
1l Hl ' ,
};-->O hI IHO h 1>-->0 I Es I":"::-.O: f
k1>_(l+h)k
u y(Xk)-Yk u e u e/h - k (k - I )(l + h)k-2 k
Hfl
h-->O
0
h'
= 1>-->0
LIfl 0
h:
= 1>-->0
l Ifl
2 2
En consecuencia, existe un entomo de cero tal que, si h esta en e1, entonces 4.5. Mejoras de
y par 10 tanto
= lim
,ekh(eh_l_h)
= lim
, e\(eh-I-h)
-'---,---'--
RegIa del trapec..t '3
h-->O h P+] h-->O h +1 p ~
~
3
'3
Aplicando la regla de L'Hopital cuando sea preciso, obtenemos ~;;
~
y(X'+I) - v(xJ ..)
11-->0 h O
h-->O hI IHO 1
764
!'-l::': ::,:1 limite sea dis- En consecuencia, existe un entorno de cera tal que, si h esta en el, entonces
, ::': -:.; :::I1 el, entonces 4.5. Mejoras del metoda de Euler
mediante el valor apraximado f(x" Yk) del integrando en el extrema inferior del
i""' ' : '::::f3J1l0S el limite intervalo, esto es, para t = 0, considerando y(xd "" Yk. Si optamos por estimar la
integral mediante la regla del trapecio (formula de integracion numerica estu
diada en el capitulo 3) obtenemos un metoda con el mismo nombre.
Yk + 1 - Yk
~~=~mos
h
c-l)=o
La regla del trapecio es un metodo implicito de un paso. Se puede demos
trar que es convergente de orden dos, 10 que en principio 10 haria preferible al
de Euler; sin embargo, su caracter implfcito le resta utilidad porque en cada
e''
etapa es necesario evaluar Yk+1 mediante pracedimientos numericos, pues no
2 siempre podremos despejar esa variable en la formula.
165
4. Soluciones aproximadas de ecuaciones diferenciales
yeO) = 1
v =1
- 1
+~(O
2
+ h» ) ~ v
" 1 • 1
= [__ 2_]
h' _ 2
~ 1.005 025126 . MelOdtl de lkmLl
"~OJ
Y1 = 1+-
11 (211
2
- - ,-+2hy,
h' - 2 -
J ~ y,
-
=[ 0 '2 ]
(h: - 2) (h - 1) ,,~O 1
~ 1.015176895 ~
y, = 1+ -
11( , 2 , + 3lzy, J~
1
2 (h: -2) (11- -I)
y;+l-Y; feX;,)'k)+f(xk+PYk+l)
11 2
166
!S diferenciales 4.5. Mejoras del metoda de Euler
~-~.=-. ~cm3. sustituyendo el valor .\'k+l que aparece en el miembro de la derecha por la esti
macion que proporciona el metodo Euler
Metodo de Heun.
167
---_-..._--------_..... -~ ...~"-~~
y(x ) - v(x)
. k+! h' k
r
1
= Jo f(x, +th, .vCr, +th» dt
1. Los valores Y(Xk)' y(Xk+l) del miembro de la izquierda se aproximan ler para apr: .':::J
respectivamente por Yb Yk+l. nera que
2. El miembro de la derecha se aproxima mediante integraci6n numerica
por interpolaci6n con dos nodos (regla del trapecio; vease la secci6n 3 del capi
tulo 3). Como la soluci6n y(x) es desconocida, hay que estimar el valor de
Y(Xk + th) en los dos nodos. Hemos ot:::-:.J;;
3. Como primer nodo se escoge t = 0 y se aproxima Y(Xk + 0 h) = Y(Xk) "" Yk. elecci6n de ~
4. Como segundo nodo se elige t = 1 Y se aproxima Y(Xk + h) =Y(Xk+J me
diante la formula de Euler y(Xk+l) "" Yk + hf(Xb Yk).
168
1"'+1 -
• f,.
Yk -
- 2III0 +..1,_ III
h
Il o = fCrk' Yk )
III = fCr k + h, Yk + hll o )
f f(x k +th, y(.:r k + th)) dt = Gof(x p y(x k ) ) + aJ(x k +t/z, y(x k + t/1)) (5)
-etapas
[ ;-- _-.:
en donde las constantes Go. af vienen dad as por
Go = nU-tl)dt
to -tl
_nU-to)dt
=1 __1
2t l
1
, °
1 -
t 1 - to
=
Zt,
Como la solucion y(x) es desconocida, hay que estimar tanto Y(Xk) como
Y(Xk + tlh) en (5). De nuevo estimamos Y(Xk) = Yk Y utilizamos la formula de Eu
l~J._=rjJ se aproximan ler para aproximar y(Xk + tllz)), solo que ahora el paso no es h sino uh, de ma
nera que
."" --,to:s:raci6n numeric a
se .; seccion 3 del capt y(Xk + tlh) = Yk + t,hf(Xb Yk)
!"-'= esrirnar el valor de
Hemos obtenido asf toda una familia de metodos numericos, uno para cada
a ..'. - () h) = Y(Xk) = Yk· elecci6n de t;
"" <:>, - h) = Y(Xk+j) me-
169
4. Soluciones aproximadas de ecuaciones diferenciales 4. Z Metodos c
4.7. Metodos de
Metodos de Runge-Kutta de dos etapas (explfcitos),
)"+1 - y,
h =aOUO+£f1Ll 1
tegrand: .. _:-:-~
Uo = f(x" Y.)
derech.; -::" .": .~
1
a =1-
" I_ t]
1 obtenienc:
a =
1 It -I
ll'l == f( . yJ escogiendc, ~
para cada -,
Tamb.e: '--:'
coeficien:- .
170
; diferenciales 4.l Metodos de Runge-Kutta explicitos de va ria 5 etapas
Las ideas expuestas en apartado anterior pueden generalizarse min mas in
tegrando numericamente con In + 1 nodos 0 = to S;; t, S;; .•. S;; t.; S;; 1 en el miembro
derecho de la ecuaci6n integral
=
y(X;+I)- y(x;) =
h
f f(.""'; - th,
0
y(x; +th» dt (6)
=
e.
obteniendo
1 1/ 1
"::' ~:::,-iteS de arden 2. Se nos presenta ahora el problema de estimar los valares
-S-~::
r-:-:etodos explfci
= ~ .:::' precisamente
escogiendo como nuevos nodos los puntos fit j con 0 S;; j S;; i-I. Asf se obtiene,
para cada valar de i ~ 1
.1 ;-1 t. t
Jo f(x; + htt, Y(.\k + 17t/» dt "" I. eL
I~O
ij
1
f(x; + hi, -t , y(x; + ht, --L)
; f,
(9)
Tarnbien serfa posible escoger s610 algunos de los nodos titj, con 10 que los
coeficientes dij correspondientes a los nodos no seleccionados sedan nulos.
171
4. Soluciones aproximadas de ecuaciones diferenciales 4.7. Metodos t
El metodo numerico que queremos desarrollar tendra como variables las .'h
ademas de, para cada k, unas nuevas variables Uo, ..• U", de forma que Los ce ~:.ij
hav que ..:'''':;':-TI
y, '" y(x,)
Yk +J - Yk ~ y(x k +l )
-'--"-'--'---.:....;;...-
h
-
h
Y(xJ - -II f( x,+t,yxk+t
h ( - ~
h)) d t-L..J(LU,
j~O
·U8. Ej4
0" .i J cientes -::e ,
y(x k + ht,) = y(x k) + ht, £1 j(.'{k + ht/, y(X k + ht/)) dt '" Y k + ht, r dl!
;-1
;==0
Ui
u;=j(Xk+ht"Yk+ht,rdjiU) si i~l
j:..::O
172
~ diferenciales 4.7. MIHodos de Runge-Kutta explicitos de varias etapas
vuriables las Yk
:i':'=-_'C
10 que en particular impliea que d lO == 1 en eualquier easo.
Los de Runge-Kutta son metodos de un solo paso, aunque en eada paso
f''''-i.l que
hay que determinar los valores de u-; ... Urn; esas son las m + 1 etapas.
, '- '" ) " 0, II; 4.18. Ejemplo. Si elegimos los nodos to == 0, == 1/3, t, t2 == 2/3, los eoefi
~ ......' cientes de la integraei6n numerica par interpolaei6n son
1
2
fd u
1 ')
(0-))(0-;) 4
-h, ii J
~ ='.}
f~ (t-O)(t-i)dt ==0
:::: ~ ~'. eli] == 1 para
E" .; seccion 3.3).
a1 == (:-0) (:-D
i '> 'i ficacion consis
;..
~
y obtener un
::::,
'-':<>':"
-r •
n(t-O) (t-+)I dt
a2 = . . , . "l =
3
(~-O) (~-) 4
~i-';;"",2 numerico
d == f~ (t -~) dt
20
(O-~) ==0
~=--:e, dOl == f~ (t - 0) dt
verifican
- (~-O) == 1
173
-
4. Soluciones aproximadas de ecuaciones diferenciales 4.7. Metodos d
Y;+l - Y; 1 )
li =:1 u; + -I LI,
Ll o = f(x k , }'k)
u- --
Es importante sefialar que el procedimiento de integraci6n numerica par
interpolaci6n es s6lo una de las opciones de que se dispone para seleccionar
los coeficientes a.. d u, Es po sible seleccionar los coeficientes por procedimien
tos diferentes dando lugar a metodos de Runge-Kutta con el mayor orden posi Li
Metodo d. RUl
-~
Se comprendera que los metodos de cuatro etapas resulten especialmente
interesantes.
1 1
t =--E t =-+E
1 2 2 2
174
: diferenciales 4. Z Metodos de Runge-Kutta explicitos de varias etapas
ct, =f
°(t - of
l I ' ( )
t - 1 (It
I
1
II (_~)2(_1) 6
nCt-O)Ct-(!+£))Ct-l)dt ~E -> 1
({ I = I I - I j = I 1 "->11
((, -E)-0)((2 -E)- (0 +E)) (( i-E) -1) -2<0 -E) E (-:, - E) C 3
h 6
Uo = f(x k , Y,)
:;.:~::=r; especialmente
' h h
u1 =, f (x k +2' Yk +:,U'tj)
«. ==.f'(Xk+~_"
It
u, = [tx , + h, + hu2 )
175
4. Soluciones aproximadas de ecuaciones diferenciales 4.1.
4.19. Ejemplo. Aplicamos el metodo standard de cuatro etapas para re .:. Para ::~~~
solver el problema con . . i<~;;
v: = 2~ ; yeO) =1
en el intervalo x E [0, 1] con tamafio de paso h = 0,1. Recordemos que la solu que.r.z- r
cion exacta era y = (1 + X)2. Comenzamos con Xo = 0, Yo = 1. n3.TI2S F:3
.:. Exis.e : n
Xk Uo Ul U2 U3 Yk (1 + Xk)2
Recordemos que:
176
diferenciales 4. 1. Ecuaciones diferenciales ordinarias (EDO)
~=-.~. erapas para re- .:. Para que un rnetodo numerico sea interesante debe ser convergente y
consistente. Cuanto mayor sea el orden de convergencia y de consisten
cia, mejor sera el metodo, siempre que no se aumente demasiado el cos
te computacional.
.:. Los metodos de Runge-Kutta constituyen una amplia familia de es
~ .:::=-,,::.~ que la solu- quemas numericos para la resoluci6n de ecuaciones diferenciales ordi
narias. En ella se incluyen los rnetodos de Euler, Heun, Ralston, etc .
•:. Existen metodos de Runge-Kutta de una, dos, tres y cuatro etapas cuyos
6rdenes de convergencia y consistencia coinciden con su mimero de
,1 -'-xd etapas.
I
.:. La integraci6n numerica mediante interpolaci6n es una estrategia valida
I
para deducir los metodos de Runge-Kutta con el mayor orden posible,
"s.
"';('
[.21
l....L+
aunque existen otras.
), l.69
.~- ; .96
j" 2.25
~- :.56
.~ 2.89
); :.2-1
): :.61
)' -+
;;", :-,"'ma.
<::.;';.>mes exactas de
x:::- '-f: pueden apro
. ~:·".,,'''xi!i1aciones SU'
~ ~ .i.scretiza la va-
X::'-cI'EJ.r la ecuaci6n
;:-.~"::'. alente.
177
.... :..:;:;;;~~~
5. Funciones de varias variables
y'
• Sucesiones de mimeros reales. Limite. Propiedades del lfrnite. Criterio u
de Cauchy. Calculo de lirnites, '.U
des de los limites. Propiedades de las funciones continuas. Calculo de If espacio euchd
mites.
la operacion suma
5.2. Norma de
L£
y la operacion producto par un escalar A E ~
.-\ ~.:,.> .;:-,
A (Xl, X2, ... , X,,) === (Ax], Ax2, ... , Ax,,) modulo .... nor
es un espacio vectorial de dimension II sobre el cuerpo ~ de los mimeros rea
les. A la base fonnada par los vectores
{el===(l,O, ...,O); e2 === (0, 1,0, ...,0) ; ... ; e,,===(O,O, .... O,l)} Ob~="·==-3
aplicacrcr; .:;:'
le llamamos base can6nica del espacio. La expresion del vector x = (Xlo X2, ... ,
x,,) en funcion de ella es
coincide ~'.:- e
de la norrr.; :3:
Los elementos de ~2 tambien suelen representarse por (x, y), los de ~3 por
(x, y, z) y sus respectivas bases canonicas par {i; j} Y {i; j; k}.
Desigualdad de- d~
En ~" definimos el producto escalar 0 producto interior U . v de los vee
t3
"
I
U'V===UjV1+UOV
_ _O+ ... +U n V" = '"
£",,; UV r I
En =:::~::._
i:::::l
tal que y = :..x:
Sean u, v, w elementos de ~" y A un mimero real, se cumple:
l.
2.
°
U . U === si Ysolo si U === 0.
U . v === v . U (propiedad conmutativa).
180
I
5.2. Norma de un vector
-
;~ c' .t. X2, •.• , x n ) con
vectores. Dos subconjuntos M y L son ortogonales si cada vector de M es orto
gonal a L. El conjunto de vectores ortogonales a un vector dado es, junto con el
vector 0, un subespacio vectorial de JR." de dimensi6n n - 1.
y- - YIl)
5.2.
- Jj
Norma de un vector
*"l?fE- 5Ttt:Jft. ...•~~
- .,''-'.
_. .... 0 , I)} Observemos que Ilxll siempre es mayor 0 igual que 0, por 10 que 11·11 es una
aplicaci6n de JR.i1 en los mimeros reales positivos JR.+. Si n = 1, la norma de x
~; -·c,:-tor x = (x., X2, ... ,
coincide con el valor absoluto del numero real x. Para probar las propiedades
de la norma necesitamos establecer previamente la desigualdad siguiente.
XjAK i = Ilxllllyll
181
I
--
~ ~~- - -~--- --=- - ----
Ily - AXW == I
J=1
(y; - ,1.,";)2 == i
)::::1
yJ - 2Ai i=l
x,)'; + },,2 i
i=l
X,2
es decir
5.3. EI product
o _ &U1; " ,J
Cons.c.ere
da de \c'::: :-::'
Propiedades de la norma. Sean x e y dos vectores de IRn y A. un mimero real. mo tipo .j:: :i
S(;;clllllple: cha (Figur; :-.
a) Ilx\!= 0 51 y s610 si x == 0
b) 1l;L~j == IA1 lIxll
. Ilx + Yll 5 lIxH + Ityll
!Ix + yl12 == i
i=l
C\ + Y f = i i
i=l
(x~ + 2X;Yi + y~) == Ilxll" + 2 i
i=1
·\Y j + IIyl12
x
182
5.3. EI producto vectorial en [~3
Consideremos el espacio [R3 y su base canonica {i, j, k}. Una terna ordena
da de vectores {a, b, c} decimos que es derecha 0 dextrogira si toma el mis
lffi numero real. mo tipo de orientacion que los dedos pulgar, fndice y corazon de la mana dere
cha (Figura 5.l) 0 bien si al girar a hacia b el vector c tiene el sentido de
fc
I:
n - _!. Como kt /;
x J x k
183
5. Funciones de varias variables
k
II, =lu'VJ:
)
V1 v. J I
-
u2 u,
u·w = IU' U31 +U Iu' UII +u, lUI
v VI
-II",
=u lI,
1I2 1I, =0
[/1
V
-
v
o
- .v V V l
o 3 3
I l 2
1'2 V,
5.1. Eitmpl
Analogamente se comprueba que v . w = 0. El sentido de w viene fijado
porla terna derecha {u, v, w} (Figura 5.2) Y Sll modulo es el area del paralelo
gramo de lados u y v, es decir
184
5.3. EI producto vectorial en ~3
~. =0 [a, b, c] = (a 1\ b) , c
5.1. Ejemplo
f~.· ,;t w viene fijado
~ . . : 'co del paralelo-
c
Sean los vectores u = (1, 2, -1); v = (-1,0,3); w = (2, -1, 0):
a) Producto escalar:
u' v = (1,2, -1) . (-1, 0, 3) = 1 (-1) + 2,0 + (-1) . 3 =-4
b) Norma:
==
Illul = ~f +2 2
+(-1)' =.J6 ; IH =.JiO ; IIwII ==.J5
c) Comprobacion de la desigualdad de Cauchy-Schwarz:
o
Iu v1~ Ilullllvll : 1-41 < -v'6O
185
.
~.=_.;
~ iiliiiiiiiiiiii-----~"-~' .
•••
5. Funciones de varies variables 5A. Dista
ra}~
L1}l
I . ~.-
r~<::J
f
Por tanto se trata del subespacio de dimensi6n dos y ecuaci6n Xl + 2~2 - X3 = 0
c.
v . x = 0, es decir
-XI+ 3X3 = 0
origen de coordenadas 0 y la base can6nica {e., e2, ..., ell}' A partir de la norma
del espacio.
186
5A. Distencie entre dos puntas. Conjuntos scotedos
::; u - .rv]:
'I
"-
-.:, -,,60
=
'. es decir
sdos
a; Por ejemplo en [f{2 un cuadrilatero, un cfrculo, un segmento son conjuntos
acotados; una recta, una parabola, un semiplano son conjuntos no acotados.
r;<::~iil) por el punto Observemos que el supremo de las distancias entre dos puntos cualesquiera de
__.;" ::artir de la norma un conjunto acotado M es una cantidad finita. Precisamente dicho supremo re
, ;,:.;r:l~'S cualesquiera cibe el nombre de diametro de M. Los conjuntos acotados cumplen propieda
des muy sencillas.
187
d
5. Funciones de veries variables 5.5.
5.2. Ejemplo
n'~~'- '-=.0 ~;'J'
1:-' ........:. .. ~ < '-'"- • ~ .!"~
2
a) EI conjunto A = {(x, y) E [R.2 : )' = x } no es acotado ya que no existe
1,:21
-"
- _:l;
188
5.5. Conjuntos sbiertos y conjuntos cerrados
L'::'~ YCl que no existe gan sobre los complementarios de la union e interseccion de conjuntos, se de
-
!,~ _ ~ ada punto x de A
c) La union de una colecci6n finita de conjuntos cerrados es un conjunto cerrado.
5.3. Ejemplo
,
~.
E?
~os.
es un~dniunto
.
a) Los conjuntos A = {(x, y) E [Ill"
1'1.-: x 2 +4y7 <4} YB= {(x, y) E lR-:
'2
bola de centro ese punto y radio menor que su distancia a la elipse esta conte
nida en el conjunto. Entonces A U B es tarnbien abierto y como la elipse C =
2 2
{(x, y) E 1R : x + 4/ = 4} es el complementario de A U B, resulta que C es un
iini)"i
~.;/ . conjunto cerrado.
bus es un cqnjunto La distancia D de un punto a a un subconjunto M de IR" se define por D(a,
M) = inf{ dta, x) : x E M}. N6tese que D(a, M) existe siempre ya que el conjun
I to {d(a, x) : x E M} esta acotado por 0.
2
b) El conjunto [3, 7) x [-1, 2] de 1R no es abierto ni cerrado. i,Por que?
189
es abierto; par ejemplo el punto (2, 0) E M y ninguna bola de centro (2, 0) es
- --- -,.
- ---
--~.,.,
Frontera de M
o \ f
InteriOrde~
. . . . . . . . y'
, ..... - - .... , ,
;- ....
. ---
----- ------,
-
~....
--._--
: x I Exterior de M
,
, -'
I
~.4. Ejernp
Figura 5.3.
complementario de M.
190
5.6, lnteriot; exterior y Frontera de un conjunto
;;,qll~ fijado un punto mos frontera de My 10 representamos por Fr(M). De acuerdo con estas defini
!1~o::De puntos de M y ciones, cada punto de [R" pertenece a uno de estos tres conjuntos y solamente a
J;.-=clcmentario!'vf no uno. Es decir:
i2. .ie centro (2, 0) es
[R" = Int(M) u Ext(M) u Fr(M)
Int(M) n Ext(M) = Int(M) n Fr(M) = Ext(M) n Fr(M) =¢
Ademas, tanto Int(M) como Ext(M) son conjuntos abiertos, ya que cada uno de
sus puntos es centro de una bola contenida en el conjunto. Fr(M) es un conjun
• to cerrado por ser complementario del abierto Int(M) u Ext(M).
Asociamos a M dos nuevos conjuntos: su adherencia, que representamos
~';:'c:~'io Ires clases de
por Adh(M), y su acumulacion, que representamos par M'. Un punto x es de
~2. '::''.::: un punto cual-
adherencia de M (0 adherente a M) si cualquier bola de centro x contiene pun
tos de M. Es obvio que todos los puntos de M son puntos de adherencia de M.
Un punto a decimos que es de acumulacion de M si existen puntos x *- a
de M tan pr6ximos como queramos al punto a. En otras palabras, un punto a es
/
de acumulaci6n de M si para toda bola de centro a y cualquier radio r se tiene
(B( a, r) - {a}) n M ,c ¢. La expresi6n x ~ a s610 tiene sentido si a es un punto
de acumulaci6n del conjunto M al que pertenece x.
Los puntos de adherencia que no son de acumulaci6n se Haman aislados.
Estos puntos son centro de una bola cuyo unico punto de M es el mismo.
Exterior de M
5.4. Ejemplo
191
~ IIioiiiOO"'=--c.."-'-'
- ~ ~ ,-
-
- - --- _ ..
tario M, si res la distancia de (a, b) aM. la bola E«a, b), r!2) esta contenida
en M. Observese que todos los puntos de M son aislados. Se tiene:
Int(M) = ¢
Ext(M) = M"
Fr(M) = M
Adh=M
M'= ¢
n
5.7. Sucesiones en IR
";
-
DefiniCion de limite de una sueeslon, Una sucesion (XiI) de [R;P converge al punto
... "
ade[R;P sipara todo e > 0 existeun mimero natural n« (que depende de E) tal que si ----
. ---
~
_ no ce
v "'-rp..
i,'
V~nl1 H •. n ./
.... c .....,n
L •
H '-~CL .r><::lsr.. '-"''-,~ "-,.0_
11111 ~~(t! = a
::--)~
o bien (x,,) ~ a.
192
5.7. Sucesiones en [~n
f =. e-ta contenida En efecto, supongamos que (XII) ~ a, (XII) ~ b y a 7:- b, y lleguemos a una
s~ .iene: contradicci6n. Dado E> 0 existen nl y /12 tales que
Iia - bll = Iia - XII + XII - bll S Iia - x/111 + Ilx/1 - bll < E
como e se puede elegir tan pequefio como queramos Iia - bll = 0 y por tanto
a=b. 0
l~i:~:~:~~.·.~~a~tl~I~~~~;n~r~~o~~~~~~t~~~~~ilt:~;'1
punta ali = n(a], ai•")...,La p ) es diuue.caua
.>
verja a la coordenada a;
~. :. =:,~ una formula
Veamos la demostraci6n:
~.
•
si n ?: », se verifica Ix;' - a I< E / -JP
j
193
5. Funciones de veries variables 5.8 Funcione
Si 110 = max (11[,112, .•. , l1p }, para todo n ~ l10 se cumplen todas las desigual 58 i='.,mciones
dades a la vez. Elevandolas al cuadrado y sumandolas
o
Ilx" _a11
2
= f
~l
(x;' -of <p£=e2
p
--_: .:': .", "
5.5. Ejemplos
2. • »
La sucesion n' + 1 ,-1
[1-,--,VI1 no converge en IF£-3 porque la segunda su-
n 11 +1 - ::.J
cesion componente no converge en IR.
194
5.8. Funciones de varias variables. Limites y continuidad
si para
If(x) bt < E.
todo
e» 0 eXi~';~'£;~;"~:
Definicion de continuidad.
to-..:: 2,-,~ una sucesion
~:,::-:ef1te (x~) es de
~;~ ;::;; :=: si y s610 si
Sifes continua en todos los puntos de a, se dice que f es continua en A.
[' :_ 1 i porque cada Es claro que las dos definiciones dadas son equivalentes. En efecto, dada
una bola B(f(a), E) de centro f(a) y radio E, existe 8> 0, por tanto una bola
I;.l_-:-:-;:c. B(a, 8), tal que si Ilx - all < 8, es decir x E B(a, 8), se cumple Ilf(x) - hll < E, 0
10 que es equivalentef(x) E B(f(a), E), con 10 que B(a, 8) Cr'(B (f(a), E» y
r'(B (f(a), E»
es un entomo de a.
!J<. - --: _::: la segunda su- En caso de ser A = [R" 0 de no existir confusion con el dominio A. escribi
mos simp1emente lim lex).
.\~a
195
~-------------------~--
._-----~---------~~---=-~
.: --.,.,
En efecto: dado E> 0, par hipotesis existe 8> 0 tal que si x E A. 0 < 1~J; - al I <
8, se tiene If(x) - bl < E. Ahara bien, si x E B farzosamente x E A y por tanto,
para ese misma 8, se cumple
xEB,0<llx-all<8:::::} xEA,0<lIx-all<8:::::} If(x)-bl<E
5.6. Ejemplo
-- --- _.
- ,._----
....
La funcion j: [R2 -7 [R definida par ~-
- -. - -~ '::-;~
xv .
f(x, y) =: o' 0 Sl (x, y) :f: (0. 0) : f(O, 0) =: 0
. r: +v·
no tiene limite cuando (x. v) -7 (0, 0), pues si para cada It E [R cansideramos la
recta B A=:{(x, y) E [R2 : )' =: Ax}, resulta
2
/. / / AX A
Iim f(x, y) =: lim f(x, At) =: lim 0 0 =: --0
(x,vHIO.O)
(x, vleB1
x-.O x-.o /C O+k) l+k
196 I
5.8. Funciones de varias variables. Limites y continuidad
•
luego para cada recta y = Ax tiene un limite diferente y sabemos que el limite,
si existe, tiene que ser iinico.
Unos subconjuntos muy iitiles para el estudio del limite son las sucesiones
r ~
~
convergentes al punto. El resultado siguiente nos da una caracterizaci6n de la
existencia de limite.
I
'!E
;;;;;
e .:::-..:n:l sucesi6n. A Caracterizacion del limite por sucesiones. Una condici6n necesaria y suficiente
1:- .imite en algunos para que exista lim f(x) = b, es que para toda sucesi6n (x,,) de puntosde
XE.-\ ..:r---4t<
Veamos la demostraci6n.
cualquiera de los dos casos existe un entomo de b. 010 que es equivalente E> 0,
tal que para cada 8 = lin existe al menos un punto x; E A, 0 < Ilx" - all < lin, de
modo que If(x n ) - bl > E. Hemos construido as! una sucesi6n (x,J de elementos
de A, distintos de a, tal que (x n ) ~ a y (f(x n» no converge a b, 10 que contradi
ce la hip6tesis. D
5.7. Ejemplo
~ ~ .onsideramos la La funci6nfde [f{ en [f{ definida parf(t) = sen lit si t::F 0,f(0) = O. no posee
lfrnite en t = O. En efecto, si consideramos las sucesiones convergentes a 0,
(tn) = (lI2nn), (t'n) = (lI(2nn + nl2», resulta:
: - i.
f(tn) = sen 2n n ~ 0 f(t',,) = sen (2n n + n12) ~ 1
, 197
~ •.•O;;;;::=~ ..
;;E;!!II
77
5,8,2, Propieds
Las funciones de un subconjunto A de [R" en [R1I1 se Haman vectoriales si
In > 1 Y escalares si In = 1. Cada funci6n j con valores en [R1I1, In > 1, viene de
terminada por In funciones escalares if], 12, ..., /'11) que reciben el nombre de
componentes de f Analogamente a 10 que ocurre con el limite de sucesiones,
el limite de j existe en un punto si y s610 si existe el limite en el punto de cada
una de sus componentes. Como consecuenciaj es continua en el punto a de A
si y s610 si 10 es cadaj., i = 1, 2, ..., In.
5.8. Ejemplo
faJ
~ b)
1. La funci6nj(x, y) = (fl (x, .V),f2 (x, y),j, (x, y)) de [R2 en [R3 definida por
198
5.8. Funciones de veries variables. Limites y continuided
2. La funci6nj(x, y) = (fl (x, y),fl (x, y)) de [Rl en [~2 definida por
t. (x, y) = 3x 2
-
2
2x y
~~~~::;~,;~~~~~~::t~~~~~~~~~~~~.,:;~,~~~~g
aj+ f3g
La funci6n producto fg
, ~: =I1 ~' definida por
Si g(x):;t 0 para todo x E A,la fl.t
199
~ ioiiO===-----., ..- .
F
\"C~rs:l :- "
Caracterfzackin de la continuidad por sucesiones. Una condici6n necesaria y
suficiente para que j sea continua en a E A es que para toda sucesion (x,J de A, tal
entornod: =,
que (xn ) ~ ala sucesion j'(x.) ~ j(a). 5.9. Ejemplo
I ""',,_, "
CQntiI'1Uiil~(lgl()bal. Seajuna aplicacion de {Rn en [Rnl, Una condicon necesaria y
Su;nCiel1fepara que j sea continua en {R" es que la imagen inversa de cualquier sub
~~l1jUt1toabierto (cerrado) de {Rin sea un subconjunto abierto (cerrado) de (R",
200
Recordemos que
5.9. Ejemplos.
1m a. \
proyeccion, es continua.
2
2. La funci6n F(x. y) = tag(cos(x + y) es continua en todo [R2 ya que
F = hog 0 f es composici6n de las funciones continuas h(t) = tag t, g(s) = cos s
2
• ntinua en b exis y f(x, y) = x + y .
. For otro lado, co
'f" ':c,,'. C de a tal que
r., :i:' x E UnA se Recordemos que:
D
.:. Si un vector es ortogonal a un subconjunto M, entonces es ortogonal a
todo el subespacio generado por M.
L c: ., un punto, pode
.:. A la norma de un vector tambien se le llama modulo y si es un elemen
£'-.:-=>~,n de t. to de IR valor absoluto.
•:. Un conjunto M no es acotado si la distancia entre dos puntos cualesquie
g
ra de M se hace tan grande como queramos. Como consecuencia, M no
~-rilic6n nec~~~fia y
Ec -i 1 ,.. es acotado si existe una sucesi6n (x,,) de puntos de M tal que Ilx,,11 --7 00.
[!Sa oe
e-
cua qUl~~.sub·
I:e .rdo) de [R" .:. Los terminos abierto y cerrado aplicados a un conjunto se corresponden
~.
con la idea intuitiva que tenemos de ellos. Una tinea sin valla «esta
abierta», una tinea con valla «esta cerrada» .
i1,.."j unto abierto de •:. La idea de frontera, interior y exterior de un pais se corresponde con los
_ .e sultado es obvio. terminos rnatematicos aplicados a un conjunto.
• ,~:.- serf continua en .:. Un punto es adherente (0 pertenece a la adherencia) de un conjunto si
L ~:,.~ ((V)J C G. EI esta «pegado a el». Es decir si existen puntos del conjunto tan cerca de
; :'c: _benos e igual a el como queramos. Es claro que todo punto del conjunto es de adheren
cia. (No puede estar mas cerca, su distancia al conjunto es cero) .
C~ - Dado un entor
. •:. Un punto es de acumulaci6n de un conjunto si existen puntos del con
ir- :~-l" su imagen in junto distintos de el tan cercanos como se quiera. Es obvio que todo
201
~------------------~""•. ~==.
5. Funciones de veries variables
Prerrequisitos
- - - -~ - -.;..
202
6. Diferencial de una iuncion 6.1. Derivea
• Regia de la cadena:
= \. - ~- - _..
D.ICa) == lim f(a + tv) - f(a)
• (-->0 t
6.2. Ejernp
siernpre que exista.
of
a-(a).
Xi
204
6. 1. Derivada segun un vector. Derivadas direccionales
Sea
[t;x, y) =,
X'
:c +y-
,
.
SI (x, y) ;;t (0, 0) ; J(O, 0) = °
La derivada de f en el punto (0, 0) segun el vector v = (a, b) ;;t (0, 0) es por
definici6n
anales 3 3 3
Id<la
Vf(x) = (Dl/(x), Dl/(x), ..., Dnf(x))
I
~
g = Vf entonces decimos que f es una funcion potencial de g.
6.2. Ejemplo
(
~ La funci6n g de [~" en [~" definida por g(x, y) = (2xy + l, x" + 3 xl) es una
funci6n potencial de f(x, y) = x"y + xl ya que
tal en la direccion v.
~:: ~'''::1 los vectores de Dl/(x, y) = 2xy + l = gl (x, y)
j" derivadas parcia Dl/(x, y) = x 2 + 3xy2 = g2 (x, y)
aD'" U) es la deriva
C"~ D -, a I 0 bien por es decir,
205
~------------------=~'=,-.- .":
~ !!l!l!!!!!!!I!I - " '_ _ ~~
fia. Veremos en el ejemplo siguiente como una funcion puede poseer todas las
IHm y a un punto de A.
6.3. Ejemplo
Sea
.:r"v .
f(x,y)= -, . 4 Sl(X,y)*(O,O); f(O,O)=O 6A. Ejemps
y- +x
f no es continua en el origen, pues su limite a traves de la recta x = es 0, y su
°
*
en (0, 0) siguiendo cualquier vector v = (a, b) (0,0). En efecto:
DJ (0, 0)
.
= lim f
1->0
(ta, tb) - f(O, 0)
t
= lim
£->0
t:a
3b-
t
1tb
+t 5a 4
= a" si b *
b
°
DJ (0, 0) = ° °
si b =
D 7.
206
6.2. Diferencial de una tuncion
.f'(a) =
> .: que sigue, salvo
:..::. .:.":icaci6n de A en ... ..
I
DJn (a) D 2.{,,, (a) D"fn (a)
i-=
6.4. Ejemplo
Ic':~.i x °
= es 0, y su
X~ <i: la derivada de f
La funci6n
~=::-..:co:
f(x, y) =
x"v' - 2x 3 + 31'3
. ,
.:c+y
"
.
Sl (x, y) =1= (0, 0); f(O,O) = °
-= ~ si b=l= °
tiene derivadas parciales en a = (0, 0)
[-->0 t [-->0 t
_7t 3
=lfm---=-2
3
[-->0 t
DJ(O, 0) = lim f((O, 0) + teO, 1))- f(O, 0) lim f((O, t) - f(O, 0) _
[-->0 t 1-->0 t
~t3
=lim~=3
'-->0 t
i~.:. :. se designa por luego existe su matriz jacobiana y es It = (-2 3). Sin embargo no es diferencia
.i::-. »: x n que deter ble en (0, 0), ya que el lfrnite
207
~-~
-;
, 71~ + 73
1 + 2,3,z _ 3
11m ~ - r;;;
h-.O 2...}2 h' 2-y2
, '
FE ;; : ;; :: :;
En efecto, supongamos que existe otra aplicacion lineal J1 : [R" ---; [Rill, ,u i:- A.
tal que J1 = Df(a), entonees se tiene:
[l]
Ih-:g IIIzII
l' Ilf(o+h)-f(o)-J1(ll)11 0 en donde
[2]
/~
h=:::O Ilhl'l =
, IIMh)-,U(h)11 / 11}\,(h)-d(h)+d(h)-j.I(h)11
11m =hm :;
h->O
h~O Ilhll /;-.0
h*O IIIzII
/ Ild(h) - Mh)11. + 11m
:; 11m
/ Ild(l!) - J1(h)11 = 0
i~-:,~; Ilhll /:!-:~ Ilhll
208
6.2. DiferenciaJ de una iuncion
Como eonseeuencia
, IIA(h) - ~(h)11 =0
hm
Ih;~ Ilhl
Entonees para eada x E [R;", X :f= O. si haeemos h = tx tenemos
L ~::~:J.!z = k, resulta
, II).(IX) - p( IX)11 IIA( x) - ~(x )11
O=hm
',;~' I'IIIX I = I xl'I
por 10 tanto
t ,"~,li("aci6n lineal
(Observemos que A(O) = p(O) par ser A Yj.1l1nea1es.) D
~
2. Continuidad. Si f es difereneiable en a, entonees f es continua en a.
l, -= _:=_ .,U:f=A.
En efecto, sea A = Df(a) y sea
. )_ fCx)-f(a)-A(x-a)
[lJ R(x -a - 'I I'
I x - al
en donde
[2J
lfmR(x-a)=O
-:- resulta
por serf diferenciable en a. De 1a expresi6n anterior deducimos que:
;
fCx) = f(a) + A(.:r a) + Ilx all R(x a)
Iirn f(x)
X-----')(1
= fCa)
209
iLc ~
1
lim Illx
X-UJ
all R(.t
I
a) =0
no es cor::::-ljJ
Diferenciald~lprodueto. Sify g son dos funciones de A en [;:g diferenciables te a trave- .j;:- j
E A, entonces Ia funcionj" g es diferenciable ena y se cnmple tanto no p'..:ctoii:
tanto
SiD e~-.:o.J
Diferencial de tina Inneicn constante. Si f es una funcion constante, enton
sencillo _ ..-.~
=0.
DJ/(Q. U = •
210
6.2. Diterencis! de una tuncion
r .
.~." diferencj~~l~s
E.
1. La funci6n
.f( x, y)
X"
3
+Y
3
= X , - "v SI
. X =F- -y;. f (x, - x) = °
no es continua en (0, 0) ya que no tiene limite en ese punto. En efecto, ellimi
°
te a traves de la recta x = es -1 y ellimite a traves de la recta .y = es 1, por
tanto no puede ser diferenciable.
°
2. La funci6n f(x, y) = ~ I.)."Y es continua en (0, 0), ya que
1
f ,
1Hfl
f((h, k) - (CO, 0) - A(h, k)
. =lm
li -JIhkf
(h.kH(O.Ol 11(11, k)11 h +e
(lI,k)-.(O.O)..J
2
211
~ iii!
'"
,
G, ,
lim--"-
y depende de u.
- ,
2
3. Una funcion polinomica, por ejemplof(x, y, z) = x\z - 4/z • es diferen
ciable en cualquier punto de su dominio por ser suma de funciones diferenciables.
En efecto, cada monomio es el producto de una funcion constante par funciones CaracterizaciOO .-I
lineales (las proyecciones). As! el primer monomio x yl de f es el producto de ;-t:. f es d-f ...""...,. iii
2 ",""m
1 e,,-.~~
TIl f(x, y, z) = x par TIl f(x, ); z) = x por TId (x, ); z) = y par TId(x, ); z) = z. En este C3-'O. Df~_
Observese que el razonamiento anteriar es una consecuencia de las propie Df:(o), .... D{"/''7H.:
. ~
dades enunciadas.
212
6.3. Diferencial de las componentes de una funci6n ...
, G(a+h)-G(a)-RoDf(a)(h)
I un . = I'1m R[fCa+h)-fCa)-Df(a)(h)]
. =
IHO Ilhll IHO I hll
[I '
=R /;-->0
im
f(a+h)-f(a)-Df(a)(!z)]
I hI = R( =
0) 0 0
- -. ;::. es diferen
.._. -:-.::" diferenciables.
[':-_,,~~_:c por funciones Caracterizacion de la diferencial de! Seaf= U;,f2, ... ,j;,,) del abiertoA de jR"en
,.:-;: - ::' el producto de ~m. f es diferenciable en a E A. si Y solo si 10 es cada una desus<:cornponentesj;.
; ~'- ~ f1:fLr, y, z) = z. En este caso, Df(o) es la aplicacion lineal que tiene par compofientes(DJI(~).
.:., :::-.>1 de las prop ie
Dj;(a), .." Pt;n(a»). .. . . .
-
:ion vectorial
m lineal. Si f de A en
Como n; es lineal y f diferenciable en C/, la propiedad anterior asegura que j;
:..::,: ::; lineal, entonces
es diferenciable en a y Df; (0) = n; ° Df(a).
Reciprocamente. Si para cada i = 1,2.... , »i la aplicacion f es diferenciable
a, se cumple
.. - Dt'la) (h)]
, Ifca+h)-f(a)-pf,(a)(h)1
lim
h-->O IIII
h =0
213
iii!::
T r "!J
Sea IL la aplicaci6n lineal R" en [R'" cuyas componentes son tDf; (a), Dfi (a), ...,
d1
jili.~-d':a
DIn(a)). Probemos que IL = Df(a). Efectivamente Determinacion
a,la matriz
u Ilf(a+h)-f(a)-IL(h)11 <1' i l.f(a+h)-.t;(a)-Df;(cl)(h)l_
o
-
Seafuna funci6n de un abierto A de [R" en IR. Vamos a probar que sif es di
ferenciable en un pun to de A, existe la derivada de fen el punto siguiendo cual
quier vector. Sin embargo, el reciproco es falso. La existencia de la derivada si
guiendo cualquier veetor no impliea la diferenciabilidad de la funci6n.
Relacion entre la diferencial y la derlvada segun un vector. Sifes diferenciable por 13 r:-:- ~'S
en a E A, entonces existe D,.j(a) para todo v =t:- 0 de jRn y En 0:: ~~~
(Dr i ,i, [.:-: i
de donde
t-« t
214
6.4. Relecion entre fa diierenciet y le derivede...
Dr(a).D!J.(o), ...,
Determinacion de la dlferenciai. Sif= (}1>12, .,.,f,n) esdiferenciable
a, la marriz jacobianaf'(a) defen a deferminapf(a).
riO .. ' ;21: = O. 0
En efecto, supongamos primero que la funci6n tiene s610 una componente,
es decir m = 1, y que Df(a) es la aplicaci6n lineal determinada por Ia matriz
td, dl ... d Probemos que dj = D}f(a).
ll ) .
Il
Sea ej el vector j-esimo de la base can6nica de [R aplicando Df(a) al vec ,
• o
J. ==-='':'3I que sifes di o
r.:~t,) -iguiendo cual
Df(a)(e)=(d)do~"
... d)
I 1
=d !
~r~'.2 .ie la derivada si . I
,0
por la propiedad anterior Df(o) (eJ = DJ(o). Luego d, = DJf(a).
En el caso general m > 1, sabemos que Df(o) tiene como eomponentes
tD], (0), Df, (0), ..., Df; (a)). Entonees, si v E [RII
n
ID"I;(a)v,
;=1
D~(a)(v)
n
215
iiliii!!
_nL
6.6. Ejemplo
Cada una de las componentes j; de la funci6nj de fR.2 en [R3 definida por en donde c .e
,
que j' = _ I
o
j(x, y) = (.1'- - y, 2x y
'
O
+ 3y 2, - x + y)
es diferenciable en cualquier punta (x, y) por ser una funci6n polin6mica, co
mo consecuenciaj(x, y) tambien 10 es.
Las diferenciales de jl (x, y) = .12 - v.I, (x, y) = 2.1\ + 3l,f, (x, y) = - .1'+ Y
en el punto generico (x. y) son las aplicaciones lineales definidas por las matri
ces jacobianas.
entonces la diferencial dejes Dj(x, y) = (Dfl (x, v), Dj2(X, y), D!l(X, y)) Y viene
deterrninada por su matriz jacobiana, cuyas filas son las matrices jacobianas de
Df, (x, y), es decir
DfC'{, y) = 6x\
r -1
2.1 -1]
2,1;,3 +6)'
Por 10 ~~_:: "
S1I ni,"'", : ' c.
VJ
V /:
2
D\}(a) = (DJ(a) DJCa) ' .. DJCa)) = L,DJ(a)v j linorn., , :.:.
j=!
dien:e .: -=.
Vn elm,~':~,: S
216
6.4. Refaci6n entre fa diferenciaf y fa derivada ...
t,: .~ :::' necesario que al vector (Dd(a), Def(a), ..., Dmf(a)) Ie llamamos vector gradiente defen a y
~. .::.":' L: en a. entonces 10representamos por Vf(a). Entonces Dvf(a) 10 podemos escribir como el pro
ducto escalar de Vf(a) y v, Es decir,
::c.:. ::-. r.olinomica, co IDJ(a)1 = l\7fCa). vi:; Ilvreat llvll:; II\7fCa)11
.:- . .' .r, y) = - x +y En particular, si consideramos el vector
e:":.. -=2.~ par las matri-
Vfea)
v= 1'~fca)11
217
.~
F
en donde
218
6.5. Condici6n suficiente de diferenciabilidad
•
[ta + h) - lea) = hPJ(c j ) + heDJ(cJ
~ -' :.::ilquier vector,
ya que
. , ...iicion necesaria
a.:-:-::-mos ahora una g'j (b j ) = DJ(c j ) Y s', (bJ = DJ(cJ,
en donde
componentes
.::. ::.:- ~''':S
j.t-(a+h)-f(a)- tDJCCl)hj IIt [Dj(c)h) -Dj(a)h) I
~ . .: :-""[3.ci6n supon I/hl! = Ilhll =
- ti a, + h j , ( 2)
It
= , ,
[DJ(c) - DJ\a)]h j II ::::;
2 •
ya que Ihjl : : ; Ilhll. Ahora bien, eomo llej - all::::; III/III, si h tiende a 0, entonees c,
- - h] tiende a a; y como por hip6tesis las derivadas parciales son eontinuas en a, se
- h2 ] tiene
11m
h-"fO
D. (Cc,) = D J' (Ca) para todo . j = 1,2
J' I·
r: .::::':' en su interior,
: - . i be)
11m I
f Ca + /z ) - f (a ) - Ip j - o
I DjCa)h j
IHO Ilhll
y f es difereneiable en a. o
219
•
6.8. Ejemplos
o 7 1
.v) = (x- + .v-) sen
[t x,
, ~
x2 + y2 si (x, y) #- (0, 0): j(O. 0) = 0
posee derivadas praciales DJ!(x, y) y Dd(x, y) en todos los puntos (x, y) de [Ff,
pero son discontinuas en (0, 0). En efecto
r->O t t->O t
par tanto D[ j(x, y) no es continua en (0, 0). Analogamente, para la otra derivada
x + y-
Doj(O, 0) = lim f((O, t)) - j(O, 0) = lim t" sen(lJ t) = 0
- n~= t r~O t
220
6.5. Condici6n suficiente de diferenciabilidad
2 1
- ~h' -v k:
+e: ~-Jh: +e
I
r
~
2
dos los puntos de 1R , ya que sus derivadas parciales
..i.,.: ..,.: .
"
oj tiende a DJI (x, y) = e'+' : Ir.], (x. y) = eX+>
D 1.f : (x,
'
y) = 2xy + y- : Del: CT, y) = x, + 2yx
= ;:. '.. Y) :;:= (0, 0) y en el punto (-1, 1) la aplicaci6n lineal definida por
221
_& •
e
3_ I: lH. ---:> R definida por [tx, Y) = x 2 + l- x)', es diferenciable en todo
2
1H. por tener sus derivadas parciales continuas:
D(I~lJ(2,-1) = (5 -4)[~lJ = 9
En el punto (2, -1) la derivada direccional maxima de I se alcanza en la di
recci6n de su gradiente (5, -4) Ysu valor es
,
11(5, - 4)11 = ~25 + 16 = .J4i
~ .
- ~--- -
RegIa de la cadena (caso particular). Seaf: IH. ---:> 1H.2 diferenciable con continuidad
en un punto a E IH. y g: 1H.2 ---:> IH. diferenciable con continuidad en f(a) = (b. c).
Entonces F =g 0 f: ~ ---:> IH. es diferenciable en a y
c' . . . . . - .__ -_.
222
6.6. Regia de la cadena
223
_.
II!!!'
I
6.9. Ejemplos
D f(0.
. Jr) = [
COS( /l + v) cos(u + V)) .
=
[-1 -11I
. 2u 0 (0", 0 0 )
~ ~ r. ~, J [~ ~J
2
6.7. Teorema (
Dg(f(O, 1f» DR(O, 0) ;' =
l 0 3y-
• (0.0)
0 0
o 01 (0 0
2. Sean u = /leX, y), V = vex, y), w = w(x, y) y sea Z = z(u, v, w). Calculemos
las derivadas parciales de z:=: z(/l(x, v), vex. y), w(x, y)) en un punto generico (x,
y). Apliquemos la regIa de la cadena
224
6.7. Teoreme del valor media
0'--
ft un amerto d~Il~ ,
h'
~-l
: ,,';;:iJ' 'm uu au
ax uy
r=nciable ,;~y
~ diferenciable.en
(az az 1_1 az uz az Jx av uv
(
l ux uy) \uu uv uw U.T ay
uw aw
ux Uy
efectuando el producto e identificando los terminos
Dererminemos az az au uz av az UYl'
-=-.-+-.-+-.
U~-. ,71. ax au ax av a~T aw ux
az az uu uz av uz aw
-=-.-+-.-+-.
ay au ay uv ay uw uy
El teorema del valor medio para funciones reales de una variable real se
puede extender a funciones reales de varias variables. Con el fin de facilitar la
notaci6n en la demostraci6n, enunciamos el resultado para dos variables, pero
su generalizaci6n a n variables es inmediata.
~
- .- - -i
-~- _~~l,-:"l
lc c- Dl-F(O
'J ..".,
,/f,;j,
Teorema del valor rnedio. Sea A un abierto de ~2 yj de A en
renciable en A. Si (a, b) E A Y(11, k) E ~2 son tales
.. i. Calculemos (0 + th, b + tk) E A, entonces existe un mimero real (), 0 <
L:~ ~ .::;,0 generico (x,
fCa + h; b + k) - j(o,.b)=Dj(z)(I1, k)
225
IlIIiI!
d
T
\fI f
[0,1] • A---l.~ [R
II + get) = f(\fI(t))
g
Ahora bien, g(l) = f(a + 17, b + k), g(O) == f(a, b) y por la regla de la cadena :,;;,.--
Dg( e) = Df(a + eh, b + ek) DlfJ( e) 0 10 que es equivalente
0
I . .
J? (e) == (DJ(a + eh, b + ek) DJ(a + eh, b + ek)) 1\ k ==
{hJ ••• p _~ i£
..... _:<1
6.10. Ejemplo
Vamos a probar que el teorema del valor medio no es cierto para funciones
con valores vectoriales. Seaf: [R ~ [R2 definida pOl' f(t) = (sen t, cos t) y sea el
226
Recordemos que
segmento [0, 2n] C R No existe ningun t E [R tal que f(2n) - f(O) = j'(t)2n.
Efectivamente:
l .::.~ ~bEma es
f(2n) - tv» = (~ ) - (~ ) = (~) : f' (t) = ( _~::tt)
Recordemos que:
.:. La derivada direccional en la direcci6n de un vector v es la derivada se-
l.::.
;:;:
:::~l.l de la cadena gun el vector unitario H.
v
.:. Las derivadas parciales son las derivadas direccionales en las direccio
nes de los vectores de la base can6nica de [R".
•:. Pueden existir todas las derivadas segun un vector de f en un punto y no
- :!ih,k) ser f continua en el punto.
.:. Una funci6n diferenciable siempre es continua en el punto, pero una
funci6n continua no tiene porque ser diferenciable.
! :::<:],3 .:. Una funci6n vectorial (con valores en [~m) es diferenciable si y s610 si 10
es cada una de sus componentes y las componentes de su diferencial
D son las diferenciales de sus componentes.
•:. La existencia de las derivadas parciales en el punto, es decir, de la ma
triz jacobiana, no implica que la funci6n sea diferenciable. Se trata de
una condici6n necesaria pero no suficiente.
~-:::~- para funciones .:. La existencia de las derivadas parciales de f en todos los puntos de un
~- . cos t) y sea el entomo del punto P y su continuidad en P implica la diferenciabilidad
227
II!!!
________________..--7 ==-,
Prerrequisitos
L ":' .'_ .
..::., - - - '----'..;
228
• Formas cuadraticas:
Igualdad de las
clase uno en A.
Definici6n y propiedades. Matriz asociada.
(x, y) ---7 D;J~x"
y'
Formas definidas positivas y definidas negativas.
Clasificaci6n de las formas cuadraticas. se cumple D:, ff~~~1
"
• Sistema de ecuaciones lineales:
n
Sea A un subconjunto abierto de IR y funa aplicaci6n de A en IR. Suponga
mos que existe DJ(x) para todo x de A. Esto nos permite definir una nueva
funci6n 'P;(x) = DJ(x). Si en un punto a E A existe la derivada parcial Dj'P; (a)
en el pur..: .1
a este mimero se Ie llama derivada parcial segunda de f en a respecto a las
crr
- ' (a); f:':j (a) ; .r;'(a) ; .., Si -c> .=",
dx.x, en Qcn.=,,·' :;
cualquier orden.
7.1. Ejernp
Si todas las derivadas de orden q de f existen en cada x E A Ycada derivada
tomo 1.
230
Z 1. Derivadas de orden superior
DuJ(a) = DiJ(a) .
• En efecto, aplicando el resultado a la funci6n de dos variables
! co: A en R. Suponga
[E~=cfinir una nueva
g (x, y) = F (a), a2, ... , x, ai+), ... , y, aj+), ... , an)
7.1. Ejemplos
r -::-', \, cada derivada
,.: _::: - es una funcion 1. Sea J(x, y, z: u ) = x 22 Y - xyzu2 . Compro bemos que I
u + Z23 '
as denvadas
: . .::.;,::: ,7 en A, entonces D 24 J y D42 J son iguales en todos los puntos de [R4. En efecto
231
•
I!!
_________________ ~.----=::II
a.
Z Derivadas de orden superior
2. Si no se cumplen las hip6tesis del teorerna, puede ocurrir que las deri en donde
2
vadas cruzadas sean distintas. En efecto, la funci6n de 1R en IR definida par
x 2 _ v2
[t x, Y) = .rv , " si (x, Y) 7:- (0, 0) ; f(O, 0) = 0
x- + v
se llama rest: .j;
es de clase uno, ya que son continuas sus derivadas parciales primeras Al poli':'c:'---j,
rna polinornio (j
y[x 4+4.y"y2_ y 4] . . la funci6n '. ,:,
DJ(x, y) = 1 1 , SI (x, y) 7:- (0,0) : DJ(O, 0) = 0 resto, es de.:~
(r +Y' t
4-4x\2
D2, f('.x,) .)= x[x (x' + y2)2- / ] . ) 00) ; D 2, f (U,
SI (x, Y 7:- (U,
00) 0
=
Si la de:':.'·.s:
sin embargo
con 10 que D 12f(O, 0) 7:- D2 1 f(O, 0). La hip6tesis del teorema que no se cumple
es la continuidad de las derivadas segundas en (0, 0).
esta C(T.:e:',~'::='
('(0) ("(0) 1 ("'(o) II!
f(x)=f(a)+-'-l,-(x-a)+-'-2-,-(x-a)~+...+-'-,-(x-a) +R",+! obtenerrc , _:-:-J
. . m. de Tay!.:,;:
232
7.2. EI Teorema de Taylor
R _ ["+1)(8
111+1 - (Ill + I)!) ( x - a)I11+1
= :.J
lim stx - a)
.\:----'f-"
=0
f(X)=~n+l(X)+. 1.,,(x-a)'"+le(.r-a)
-
__~,
~.
de una variable
::2cs derivable en
La extensi6n de la f6nnula de Taylor al caso de una funci6n de n variables
f: A ---7 IR, siendo A un abierto de IR es muy sencilla. Si a y b = a + h son pun
tos de A, y el segmento que los une
n
. .~uc
[a, a + h] = {z = a + th ; 0 ~ t ~ I}
233
~ ~~:' Ii=:S
"'
Si calcu..crx
Teorema de Taylor. Sea A un abierto de [R" y f: A ~ [R una funci6n de clase m + 1
tuimos en L :--q
en A. Si [a, a + h] esta eontenido en A, entonees existe ~ E (a. a + h) tal que
do la Reglade ~2
1
L hDf(a)+-2I L hhD,f(a)+ ... +
If II
f(a+l1) = f(a)+
• F i=) , /. . i.j=l /.1 U"
J
1 n
In'.. ,... ', h.k
+-.L '1'.
... h.D f(a)+R UI+ 1
.~j/l ·.<>:JJI2,··IUt~··
J;;! M'
".1.h: 12,\,··lm
endonde
Igual qu:-x
variables l; .
Veamos su demostraci6n. Sea g : [R ~ [RII definida por de orden m i:-."
metido al ::c=~ :,j
cota del re-:
En el "L::.:0
La funci6n g es de clase infinita por serlo todas sus componentes, ademas (i I, i 2 , ...• f :' _;
(difieren c'f' .. :-'..i
g([0,1])=[a,a+h] y [0,1]Cg- 1(A) zadas, las j:-:-.. ~
lizar la nota: :·:IJ
POI' 10 tanto, la funci6n composici6n F = fog, definida por F(t) = f(a + th),
es de clase III + 1 Yle podemos aplicar la f6rmula de Taylor para funciones de
una variable en el intervalo [0, 1]
234
Si ca1culamos las derivadas F'(O) , F"(O), ..., r"I(O), rr', r:" (8) y susti
1
r·
. eion detal
[7h) tuimos en la expresion anterior, obtenemos la formula del enunciado, Utilizan
do la RegIa de la Cadena, las sucesivas derivadas de Fen t son:
r--·
n
T F'(t) = Df'ta +th) 0 Dr;(t) = 'Vf(a +th)· h = L hpJ(a +th)
1=1
I
FI/(t)
=L
1;
= LhJVDJ(a+th).h]= Lh;LhjDJ(a+th)=
i~j
n
hJlpjJ(a+th)
11
i~1
;:
j=j
£..1=1
235
--
______ ~-----------~~=-----=:I
•
Con esta notaci6n la f6rmula de Taylor para una funci6n de dos variables ya que
en el punto (a, b) es
1
f(a + h, b + k) = [Ia, b) + ]j(lID 1+ kD 2)f(a, b) + ... +
es decir. [C,':.:c~' :;;
+J, (lzD[ + kDJ'" f(a, b) + R"'+l la funcion :. "'-. '
m.
7.2. Ejernplos
7.3. Extremos re
1. Desarrollemos el polinomio [tx, y) = x\' + 3y -2 en potencias de
(x - 1) e (y + 2). Aplicamos el teorema de Taylor af en (1, -2).
Un pUTIk .: ;
DJ(x, y) = 2.~' ; DJ(x, y) =x +32
de la funcicn: i
= 21' ; D12f(x, y) = 2x ; D2 J ( x , y) = 0
D l1f(.y, y) desigualdad es .~
rno) absolute e
Dmfex. y) = D 22J(X, y) = D 12J(.Y, y) = 0 ; D11J(X, y) = 2
Un punto ., l
defsi existecn
Las derivadas de orden cuatro son todas nulas. Particularizando para A estos pur.t,.- j
(1, -2) tenemos
estricta. Li .;:"':':-'
DJ(I,-2) = -4 ; D2f(I,-2) = 4 A COr.I:~_~
puntos de "".·:-~1
D l 1 f ( I , - 2 ) = -4 ; D 1J(1,-2) = 2
En primer >..:~~
1 1, variable. S':';:'::J
[t», y) = f(l, - 2) +]j[ -4(J.: -1) + 4(y + 2)] + 2! [-4(x -1)- + un punto de .:
1 ,
+ 2· 2(x -1)(1' +2)] +-[3 ·2(x -1)'eY + 2)]
. 3! .
= 1. Ce:2:::c
de fv fe, i",~''::
= -10 - 4(.1.' -1) + 4ey + 2) - 2(x -I)" + 2(.1.' -1)(y + 2) + 2. C~·'.::-2
+(x-l)2(y+2) gunda en .; ~.'::.c.
(maximo' '''':.:.:i
2. Calculemos el polinomio de Taylor de orden tres de la funci6n
f(x, y, z) = e' + v + : en el punto (0, 0, 0)
Taylor. L. :O::.,ci
reducir cI :=- ~j
funcion r ~C -,;~
236
Z
DJ(x, y, z) = DJ(x, y, z) = D 12f(x, y, z) = ... = eHV+
es decir, todas las derivadas cualesquiera que sean los subindices son iguales a
la funci6n y en (0, 0, 0) valen 1.
. -=en potencias de
7.3.
...
Extremos relativos
-.... trrYWf7~1 E"'1i1YTI!im~
237
• , ... I!!!
~-----,, .... ~!a' -=::S,
cuyo polinc=~")
Condicion necesaria de extremo. Sea A un abierto de !R." y f una funcion de A del desarro.i: j,;
cenlRdiferenciable en a E A. Si a es un punto de extremo relative de f, entonces
DI(a) = 0.
En efecto, sea g : !R. ---7 !R. definida por g (t) = a + tho Es claro que g es de
11
clase infinito, por serlo cada una de sus componentes, y que g (0) = a. La fun
cion composici6n F = fog definida por F (1) = f(a + th) es derivable en t = O.
POI' otra parte, si a es un minimo (maximo) local de t.
entonces 0 es un
se llama matriz
minimo (maximo) local de F. En efecto, existe una bola B (a, r) de centro a y
radio r > 0 contenida en A, tal quef(x) ?f(a) (f(x) -::;f(a)) para todo x E Bta, r):
y como g es continua, entonces U = g-J (B(a, r)) es un entorno de 0 E IR y para
Condici6n suticiesl
cualquier t E U se cumple ide c:lase dos en A. y)
F(t) =f(a + th) ?f(a) = F(O) (F(t) =f(a + tlz) -::;f(a) = F(O) i
i) . • S,i"{2(a, h) > ~)
;t'lvoestricto.
l'
Aplicando 10. condici6n necesaria de extremo para funciones reales de una
variable real, ha de ser P(O) = 0, con 10 cual ipSi(?(a. h) < U..•.
tivo estncto. ,"
F'(O) = 'Yf(a) . h = Df(a) (h) =0 L' •••"•••. ".".. . .~
Como esto sucede para cada vector h e 1R", necesariamente Df(a) = O. 0 Razon- ,':',:~
[6] tome I~. j
a, contem.: ,-;
..............:Oscritieos. a EA decimos que es un punto critico defsi Dl(a) = 0,0 equiva
let1tcmente DJ(a) = 0 para todo i = 1,2, ..., n. Un punto crftico se llama estaciona
riosinoes un extremo relativo de!
en donde ':
Los posibles extremos relativos de f en a se encuentran entre los puntos cri
i = 1. 2.....
ticos. EI estudio de las derivadas segundas nos va a permitir 10. obtenci6n de
condiciones suficientes de extremo. Acado. punto entice a le asociamos 10. for
ma cuadratica
238
ii) Si Q(a, 11) < 0 para todo 11 E !RTf - {OJ, entonces a es un puntoderriax:imorela
tivo estricto .
....-:_c-J'C' Df(a) = O. D Razonemos la dernostracion, cuyos detalles pueden verse por ejemplo en
[6J tome 1. Si desarrollamosj'por la f6rmula de Taylor en un entorno B(a, r) de
a, contenido en A, para cada x E B(a, r) tenemos
Ii 1 n
fCr) = f(a) + ~ C\ - a) DJ(a) + 2! i~l (x, - a)(x j - (lj) DJ(zJ
r; ::~_=-e los puntos crf en donde z. E (a, x). Si a es un punto critico, entonces DJ(a) = 0 para todo
r:::~ L1 obtenci6n de
i = 1, 2, ..., n, y queda
,_ -:: j-;ociamos la for
1
f(x)-f(a) = 21 Q (z" x - a)
239
• II!!
=------------------~_._---===
**
Z Derivadas de orden superior
existe una bola B(a, 8) de radio 8 menor que r, tal que para cualquiera que sea se cumple:
zE Bia, 8) la forma cuadratica Q (z, h) es tambien definida positiva. Como
consecuencia, si x E Bta, 8), x:;t. a. se tiene 1. rt - -:>
En el caso 11 = 2, funciones de dos variables, el estudio del hessiano pro 3. E=-,. _~..!
porciona mas informacion que en el caso general. Si P es un punto crftico de f f( " . ." 'i
.\' \. =
y designamos su matriz hessiana por
240
~ ::'- definida negativa En efecto, sea Q (P, h) = rhT + Zshh, + th~ Y analicemos los tres cas os
D
1. Como r ~ 0, se tiene
por 10 tanto, para todo h ~ 0, la forma Q (P, h) tiene el mismo signa que r. El re
)~;:::nc el signa de la sultado es consecuencia de la condici6n suficiente.
r: '-,::i.:iente. Para ello
}s<:'re 13. clasificaci6n °
2. Si r ~ y consideramos h = (hi, h 2 ) con h 2 ~ 0, h[ = -sh 2/r, entonces
signa Q (P, h) = -signo r. En cambio si consideramos h = (hI. 0), entonces sig
no Q (P, h) = signa r. As! pues, existen dos vectores en los que Q (P, h) toma
signos opuestos y P no puede ser extremo.
°
Si r = pero t ~ 0, podemos escribir
1 -i ') ')
Q(P, h) = -[(th, + sh 1 ) - + (rt - s-)h;]
t -
t Er.tonces
y razonamos igual que antes.
:~_~ __ , .J.. Si r = t = 0, entonces Q (P, h) = 2sh 1h2 evidentemente cambia de signa y P
J:~": neganva. no puede ser extremo.
u.:: ' del hessiano pro 3. En este caso no se puede afirmar nada. Por ejemplo, la funci6n
:' "::-. punto crftico de f 2
f(x, y) = Y (x + y) tiene como punto entice (0, 0), r = s = 0, t = 2, Y fno posee
extrema en (0, 0), ya que en un entorno del punto tan pequefio como queramos,
f toma val ores positivos f( E, E) > 0, con E> 0, Y val ores negativos
241
- - II!
~ """,, , , "-.
7 IlIII:.•
.J
7. Derivadas de orden superior
7.3. Ejemplos
D I f(x, y) = 4x + 2xy = 0 Q
Dl/(x, y) = 2y + Xl = 0
l
2. Seaf(x, y, z) = 2x + + 3l- 2xy - 2yz + 3. Estudiemos la existencia
2
de extremos locales de f Los puntos cnticos son las soluciones del sistema. 7.4. Funci6n inv.
.X
DJ(x, v, z) = 4x -2} = 0
D 2. f( v-
~""
\'
v ,
7) -- "')' v\. - 2 \.- 2 c,7 - 0
..... ~.
Un cambio
cambio in'·:::~~~
D,f(x, v, Z) = 6z - 2y = 0
242
y su matriz
-I
en donde
Hf(O, 0, 0) = -2
l° 4 -22-2OJ
-2 6
L1 1 = 4 > °.L1 = -2
4 -21 = 4 > °.L1 = -2
4
-2
2
°
-21=8>0
'2 2 '3
1
° -2 6
~~_'='_c:mos la existencia
G~ _=:'~ S del sistema. 7.4. Funci6n inversa. Cambio de variable
243
- -----------~.,,---;::::==
7. Derivadas de orden superior
Todo e< -. -~
mostracion r , -:.j
cion de ccc-:
La resolucion de un determinado problema puede facilitarse mediante un
cambio de variable que haga mas sencillas las operaciones. Una vez resuelta el
problema, se realiza el cambio inverso para obtener los resultados en funcion
de las variables iniciales. Para que el cambio sea titil debe elegirse con las mis
Teorel11a de la rUm:l
1
mas propiedades (continuidad, diferenciabilidad, ...) que las funciones del pro Sea A un abierto ct.:: iI
blema. de! F(ti) 4 O. EXisti: ~
Si suponemos una funcion lineal jdefinida par que f(V)=: W y la ,e4
Adernas; para cada .:4
~ ~
!]
1
El teore r.: .(
sifcumpl::: ' ..,1
entonces f es inversible, y se trata de un cambio de variable, si y solo si es in en un enh:·rr.: j
versible la matriz (a,;) que define a.f Un resultado algebraico muy conocido uno de los ~'~r:,
asegura que esto sucede si y solo si det(al/) t:- O. un entorno -::c -,
En caso de ser f diferenciable, podemos considerar af casi lineal, en algun funcion en :: :.:
entorno de cada punta (I, en el sentido de quefpuede aproximarse en dicho en
torno par la aplicacion
7.4. Ejemplu
X ---7 f(a) + Df(a) (x - a)
244
245
!'&1tJ pn
.---------------------~ 7
...._---=::::!
I
para todo (x, y) E ~2. Entonces.jverifica las hipotesis del teorema de la fun Coordenad
cion inversa y posee una inversa local de clase 00 en un entorno de cada punto. ciones: x = " ,
Sin embargo, j no tiene inversa global porque no es inyectiva en ~2 ya que jacobiano
j(x, y) =j(x, y + 2n).
b) La funcion f de ~3 en ~3 definida por
cos x
detr(O, 0, 0) = ° °
° ° cos y
cos z (0. o.0 i
=1 la restricci«. i~
se infinite e.: =-e
° ° OX-. Reso: teoI
j(A) en A l::,;:' q
por 10 tanto cumple las hipotesis del teorema de 1a funcion inversa en el pun
to (0, 0, 0) y podemos asegurar la existencia de inversa local en un entorno
de ese punto. Sin embargo, en (nl2, n. -n) no se cumplen las hip6tesis ya que
det f' (nI2, it, -n) = 0, y el teorema no asegura la existencia de inversa local.
c) Las hip6tesis del teorema son una condicion suficiente pero no necesa Aplicacion
3
ria para la existencia de inversa local. Por ejemplo, la funci6nj(x) = x no cum junto de :=., .
ple las hip6tesis en el punto x = 0, ya que det f' (0) = 0, sin embargo existe R Si efect:..:"{
t ' (,)
v' = Y 1/3. narnos per F c:
I 2. J es inyectiva en A.
13. det.f'(x) :;t: 0 para todo x E A. Esta :>.:::.:::..:
siempre cy;:, -c
Estudiemos alguno de los cambios de variables mas utilizados. e E [0. :::
246
,_ t . :C'orema de la fun Coordenadas polares. Sea la aplicaci6nj: [R2 ---7 [R2 definida por las ecua
~ ': mo de cada punto. ciones: x = p cos e: y = p sen e. Evidentemente j es de clase infinito en 1f{2 y su
::-:. ~:Il\a en [R2 ya que jacobiano
detf'(p.el=lcose -psene[_
Isen e p cos e - p
~cm"" que I. funcionf I «Ia condici6n necesaria y suficienteparaque lim j(x, y) ="1
(.\.))..:...;.(0\0)
\X,(lEB
es que
~ cumple:
I
lfmF(p. 8) = I uniforrnemente en $».
p~v
I Esta condici6n es equivalente a que «para todo E > 0 exista 0> 0 tal que
siempre que 0 < p < 0, entonces se verifique IF (P, e) -II < E cualquiera que sea
L..: . :::iudos.
eE [0. 2n]».
247
.ax L. II
- - - - . - - - - - - - - - - - - _. .~!16 _=:!
F(p, B) = h(P)R(Bl
limF(p, B) = 0
p-->o
es distitnt. i.J
es que g (B) sea una funci6n acotada». (Veanse problemas del capitulo 3 del yectiva cr. ::<
tomo 1 de [2]. denadas r< •..:J
tanto. 10. r~<~
7.5. Ejemplo entre A. .- :=. ' ;
del cambi .n
Seaf: u:;g2 --t u:;g definida por
.3 ,:
= lim p( cos'
p--40
B- ser/B) = 0 __~A
ya que
x = p cos B : y = p sen B ; z= z
248
c .. C··I'-: • bl
'7.'.:if
E.6? runcson
~""~.
= .r %• • "".. ~
iin~er:;.a.
...i -
ami..H(J uS vane
•
e
cose -p sen e
: __ .:O:-~;:' para que det.f'(p, e) = Isen e pcos e °°1=P
° ° 11
P=IjX+Y
f 1 1
e = Arc tg..:...v ; z = z ; (x, y, z) E f(A x [~)
x
._~:O de f en (0, 0)
p'':' :nB)
- ~
+P
e :Y
--,P
..;'7':
-t ~,P
"v J,fi ~
• •
_ \
Figura 7.1.
249
II!
---.-._------------~
r
~----==
= ..
7. Derivadas de orden superior
six'-y=;. _.
j es de clase infinito en [R0 y su jacobiano
subconjur.: ; -; :
cos e sen qJ -p sen e sen qJ p cos e cos qJ can 10 qUe .:'"
go s610 sc: ;' _;;;
detf'(p, e, qJ) = sen e sen qJ p cos e sen qJ p sen e sen qJ == _pc sell qJ
[R2. Por eic-::.:'
cos qJ o -p sen qJ
2. \ -=-._.'
x + J == I :. ,:~
Nota. Si en los cambios anteriores se consideran otros angulos, se obtienen
y == p sen f:- ='"'
cambios analogos, que por abuso de lenguaje suelen denominarse de la misma
manera.
1. Seat: [R2 ---+ [R2 definida por j(x, y) == (xy, x + y). Estudiemos en que
condiciones es un cambio variable. En primer lugarj es de clase infinito en [R2,
adernas su determinante jacobiano es de A. Dire.; "'-5
x en un C::-. C • ~
I
Y t caci6n ~'2= .
det f'(x, 1') == - -I == I' - X
• • II 1 1
distinto de cero si y ;;t. x, luego para cualquier punta de R' que no pertenezca a
la recta y == x existe un entorno en el que j po see funci6n inversa. Veamos cual
En otr -=-.- :!
es el mayor abierto de [R2 en el que j es inyectiva Figura - .=.
, ,
J.J' == x I' " , ,
[tx, Y) == [tx', y') ¢::> :::::? (x +1' -Y)Y==x I' ~
J: + y == x' + y' .. - .
~ x'(y - y') - y(y - y') == 0 :::::? (x' - y)(y - y') == 0
250
si .r' - y 7:- 0, entonees y = v', x' = x y fes inyeetiva. Determinemos ahara en que
subeonjuntos se eumple que y 7:- x'. Si y = x' de las eeuaciones se obtiene y' = x
con 10 que los puntos (x, y), (x'. y') son sirnetricos respeeto a la recta y = x, lue
. go solo se puede eonsiderar uno de los dos semiplanos en los que y = x divide a
f '-==-_ ,_' = -p' sen qJ [R2. Por ejemplo
.:;:- - ~ ~
E .tudiemos en que
Consideremos un abierto ,4 de [R 2 , una funcion f de A en [R y un punto (a, b)
,," 2 .::.:'.e infinito en [R2,
de A. Diremos que la ecuaci6n f(x, Y) = 0 define a y como funcion implicita de
x en un entorno U de (a, b) sif(a, b) = 0 y existe un entorno V de a y una apli
cacion g de Ven [R tales que
.: -' - y') = 0
251
, II!
-~----- ... _-----------~-",.,----===
:5" f t», y) = 0
- - - - - - - --- - - - - - -- - -- - - -- - -- - .
T b ,/ u£-,/;\ (a, b)
'/'-~
- - - - - - - - - - - - - - - - - - - - - ~: ~ - - _.- ... ~I
, ,
~
,," ,,
:.
, a
~ .. '
x
[i: .....
252
'7 F
$.0. ;f::"n
U.E imp ;1<1,,,,,&
of';fi ,..
EvlI ticits_. D~· rg'''!/9/
dl ..i"~CI·O'n
2
+ v2 = 2 )'5+)'_X2 = 0
X y
I)' .
"
, \u
,
"
""', ,,
~-1t~
... ;
,I ' - __ ,I
I : , ___
v x x
b)
- I a)
Figura 7.3.
r' = O.
En general, se puede considerar una funcion j' definida en un abierto A de
Y un punta P = (aj, a2, ...• a.; b) de A, solucion de !(xj, X2, .... X,,, y) = O.
[R(" + I
Entonces Ia ecuacion define a y como funcion irnplfcita de (xj, X2, ..., x n ) si
existe un entorno V de a = (aj, G:> ... , all) Y una aplicacion g de Ven [R tal que
para todo (x., X2 • ..., XI/) E V se cumple
} _-:_ entorno de (1, 1),
f..:::.~ J;;> .1.. En este caso
d: ::-.:~'ntrar la expre
!(Xj, X2 ..., Xn • g (XI • .1.2, .... XI/)) =0
-, .:: - .:, Evidentemen
Mas general todavia. Podemos considerar una funcion j" definida en un
f;:O:".: J;;> .r = 1. Vease la
abierto A de [RI/+m y un punta P = (aj, ai • ..., an. b, b:. .... bill) = (a, b) de A, que
sea solucion de la ecuacion
t ::.: . ;;>n un entorno de
,.. 2::::-minar explicita !(Xj, X2 .... Xn • YI. )'2 ..... YIII) =0
::,~~=-2 -.3.b).
Entonces la ecuacion define a Y = (y., Y2, .... Ym) como funcion irnplicita de
X = (.1.10 X2, .... x n ) si existe un entorno V de a = (aj, a-, ... , an) en [R" y una aplica
cion g = (glo S:• .... gill) de Ven [Rm tal que b = g(a) y para todo (x., .1.2, .... X,,) E V
se cumple
!(XIo X2, .... Xn • gl (Xj, X2 • .... XII). g2(Xj, X2, ..., XII)' gill (x., X2, ... , X/1)) =0
253
,
7.8. Ejemplo
entonces existe u, ~,
2 3
La ecuaci6n / + " - 2 x 2 == 0 define a z como funci6n implfcita de (x, v)
tornoabierto V oe 1
en un entomo de P == (-1, 1, I), Es claro que P cumple la ecuaci6n y que se
ic,;,J
puede despejar z en funci6n de x, y.
Tratemos de encontrar condiciones para que/(xI, X2, "., x", y) == 0 defina a una
de las variables, en este caso la variable y, como funci6n implicita de las otras.
a)
b)
deHDn<t,'
{(x, y) E L :f'
Supongamos que i es lineal, entonces la ecuaci6n que determina es de la forma
EI [ee,,,~'':::
implfcita - ,
presi6n.
En 3.1:;_,-=-"
y la iinica condici6n para poder despejar y, es decir. para que y sea funci6n im
consider., ., z :
plfcita de (xr, X2, "., x n ) es f3:;t O.
puesto que "e:.:J
Para facilitar la notaci6n designamos por (a, b) el punto (ar, ai; "., an, b) y
cita de las " -::-,
por (x, y) el punto (x], X2. "., X'I> y).
rente. sier:,:":: i
Si f es de clase uno en el abierto A y P == (a, b) es un punto de A soluci6n de
la ecuacion, la posibilidad de aproximar i en un entorno de P por medio de la
7.9. Ejemplo
funci6n lineal
Sea L ::, ,--",
II (x, y) ==/(a, b) + D/(a, b) (x - a, y - b)
y el pUnIC
;)e,anJ-iJ~naOlertode lR
Jl 7 m
(a, b). un punta de A y luna funcion de A en \Rill de clase puntox = -:
Sin e:<'-=-,!
que la c, _:..~ ,:~
punta.
o i, j E {L 2. ,.., m} EJ [;::,,,,'-'.;l
necesan..-. :'::1.
254
7.5. Funcion implicita. Derivaci6n
~
f- que la ecuaci6n defina a z como funci6n implicita de (x, y, u) en un entorno del
;;c
E
punto.
EI teorema de la funci6n implicita expresa condiciones suficientes, pero no
,~ necesarias, para la existencia de una iinica funci6n implicita.
255
......
•
7. Detivedes de orden superior
.~r+y+z+u=O
xy +zu+2 =0
derivand.: r : -r-e
definen a (z, u) como funci6n implicita (z, u) = C!51 (x, y), g: (r, y)) de (x, y), en
un entorno del punto (L - L 1, -1) ya que se cumplen las hip6tesis del teorema
de la funci6n implfcita
[)
Calculemos el valor de la derivada g'(a). Si derivamos respecto a x en la
igualdad anterior, resulta
para ":',,~~, ,
D1f(x, g (x)) + Dd(x, g (x)) g'(x) =0 P J.I-::. ",' ,
pejanc.i,' -.: ~::.
particularizando para el punto (a, b) y teniendo en cuenta que b = g (a) Par; ~,:,,_.J
diente c;:, '-'
DJ.!(a, b) + Dd(a, b) g'(a) =0 proce' ,
256
de donde se obtiene el valor de g' (a). En general resulta mas sencillo sustituir
y = g (x) en la ecuacion y derivar. tal como se muestra en el ejemplo siguiente.
i.~ ~:.:: .1;: y en un entor
=0. 7.12. Ejemplo
derivando respecto a x
-'"-pecto a x en la D, f(xi. X2, ... , X n , y) + D II +I f(xi. X~, ... , XII. y) DIg (Xi. X2, .... .1'//) = 0
257
Z Derivadas de orden superior
-
[2J
6g (x, z)D2g (x, z)D I g Cr, ::,) + 3 g (x. d D lc g (x. ::,) + D]2 g (x, z) = 0 respecto a L '
particularizando para los valores anteriores se obtiene Dv: g (1, 1) = 9/16. ciones cor; L: .~
Finalmente. derivando respecto a .:: en [2]
D····
6g (x, z)D c g (x, d + 3g (x, dD c2g (x, z) + D» g (x . z) - 6z =0
que se qUlc~o::->
y particularizando se obtiene D n g (1. I) = 75/32.
sistema de i., - j
N6tese que el teorema de 1'1 funci6n implfcita asegura que la funci6n g es
de clase dos y por ]0 tanto se cumple el teorema de igualdad de las derivadas
7.14. Ejemph
segundas, es decir,
258
Z5. Funcion implicita. Derivaci6n
r., . ::-. .mplicita de (x, ;:) .h(.rt' x 2 ' .•• , x"' YP Y2 ' , YI/!) = 0
f2(.r l, x 2 ' ... , J.:",)\, )'2' , )'m) = 0
[1] define a (YI, Y2, ..., ."111) como funcion implicita de (Xl, X2, ..., X,,) en el entorno de
un detenninado punto,
t; (XI' x 2 ' , x n ' gl (r,, X2 ' ••• , X,), g, (XI' X2 ' , X,), ..., gil! (XI' X2 ' ••• , J:: n » = 0
- -.2 = 0
t. Crl , X 2' , Xii' gl (.r], .r 2 , ... , X,,), g2 (x,, X2' , .r n ) , ••• , gm (XI' X 2' ..., X,) = 0
.; ~. 1) = 7/8.
.1,,, (Xp X2' ..., X Il
' gl (x,, X2 ' ... , X,,), g2 (XI' x., ..., X,,), ..., g; (x,. X2' ..., x,,» = 0
DJ?I(x], x 2' ..., x,,), D jg 2(x l, .r 2 , ... , XII)' ..., D,g m(.r ] , x 2 ' ... , .:r n )
- - 6;: = 0
que se quieren determinar. Para hallar las derivadas segundas se deriva en el
sistema de las derivadas primeras y as! sucesivamente.
,_. _ --:...:-: la funcion g es
: ~ .. J de las derivadas
7.14. Ejemplo
Las ecuaciones
259
7. Derivadas de orden superior
definen a (z, u) como funci6n irnplicita (z, u) = (gl (x, y), gl (x. y)) de (x, y), en En el pn::~~ - ;
un entorno del punto (1, -1, 1, -1). Ca1culemos las derivadas D, gl (x, y), D 1 g2 sistema
(x, y), D 2gl (x, y) y D 2g2 (x, y) en el punto (x, y) = (1, -1). Sustituimos las fun
ciones en las ecuaciones
x + Y + gl (x, y) + g2 (x, y) = 0
xy + gl (x, y) gl (x. y) + 2 = 0
1 + D, gl (x, v) + D 1 gl (x, y) = 0
particularizamos para (x, y) = (1, -1) Y tenemos en cuenta que gj (1. -1) =1Y
g2(1,-1)=-I
Este me:
1 +D j g ] ( L - I ) + D 1g 2(1,-1)=0 En nUIT,c~: :'.j
-1- D 1g 1 ( 1 , - I ) + D 1g1(1,-I)=0 afirmar si ; , ,",
to posible : _ :l
de donde D 1 gl (1,-1) = -1, Y D 1 g2(1, -1) = 0
irnplicita. :-: '=C::J
Derivamos las ecuaciones respecto a y
una de las " ~-.:;
las otras d,·,. :.
1 + D 2g (x, y) + D 2g2Cr. y) = 0
dos variab!e . -,
1
260
7.5. Funcion implicita. Derivaci6n
. de (x, y), en
.'. i! En el primer caso los candidatos a extremos relativos son las soluciones del
S:
.. _,:,_, [J 5i (x, v), D\ sistema
S':"~imimos las fun
Vf(x, y, z) + AVR(X, y, z) = 0
R(x, v, z) = 0
R2 (x, y, z) = 0
7.15. Ejemplo
. • ': -I'~ir
los extremos f(x, y, z) = x 2 + l + xy + 3z
'. ::) pertenezcan
.- =.'. ?2 (X, y, z) = 0, en la esfera x' + y2 + ::2 = 3.
:i b) Esnidiese si la solucion (I, 1, 1) es extremo relativo.
261
l Derivadas de orden superior
a) Los posibles candidatos son las soluciones del sistema obtenido al de
rivar la ecuacion P~.
2x+y+2AX = 0 2(1 + A )x + y = 0
2)'+x+2,1,y=0 2(1+}L)Y+X=O
~
3+2AZ = 0 3+2AZ = 0
i) x = 0, y = 0
ii) x =t 0, Y =t 0, A =t -1 (para A = -1 se tiene el caso anterior). Entonces
262
... .: .~. :: ':'btenido al de Luego los posibles candidatos a extrema relativo son los puntas PI. P2 , P 3 Y
P4 •
D 1 F(x, y) = 2x + Y + 3D 1 h (x, y)
D 2F(x, y) = 2y + x + 3D2h(x, y)
t~~
derivando de nuevo en las ecuaciones anteriores
D 11 F(x, y) = 2 + 3D l 1 hex, y)
~: .::-::erior). Entonces
D I 2F(x, y) = 1 + 3D I 2h(x, y)
D 22F(x, y) = 2 + 3D22h(x, y)
Por 10 tanto, tenemos que calcular el valor de las derivadas de h. Derivando
, respecto a x e y en la ecuaci6n
x 2 + y' + h (x, y)2 = 3
-:::. :~<.::ma.
resulta
_: = = ',3 y de la terce 2x + 2h(x, y) D 1 hex. y) =0
2y + 2h(x, y) D 2h (x, y) =0
- 3/2. derivando en estas ecuaciones
;: _.:.~ .on 2( 1+A) -1 = 0: D1h(l, 1)=-1; D 2h(l, 1)=-1; D11h(l, 1)=-2; D I2h(l, 1)=-1;
,,:,-:-:-: scluciones reales. D 22 h (l, 1) = -2
263
l Derivadas de orden superior 7.6. Definicion d
-
Las derivadas segundas de Fen el punto (1, 1) son Una l:i'-· ..
curva no e' :: .i.:':
ble si la hlr:~:·.:-:":c
da entre de" :: ..' .~
y la matriz hessiana es Si 1a ~r:--_. ,:2
diferentes -:.:: :: .::-.::J
(-4 -2J\
-2 -4
puntas sc 1':' -
que asocia al punto (1, 1) una forma cuadratica negativa, por 10 tanto (L l ) es
un maximo de F y (L L 1) es un maximo de f
ecuaciones parametricas.
264
e>(
-
D normal
l ~ _:.
:-:"xia que descri
- ._,::c t tiene asociado
Curva simple
Figura 7.4.
Puntas doble y triple
265
7. Derivadas de orden superior 7.6. Definicion c
EI parametro de la curva puede ser una de las tres variables del espacio. En Supongam .~ 'l
este caso la representaci6n se llama explicita, por ejemplo x = .r. y =f(xl, z = gCl,.) diferenciab le. e. :'ii
y la curva es simple. Otra forma de definir la curva es mediante dos ecuaciones tor PQ viene c:;"cr
F (x, )~ z) = 0, G (x, y, z) = 0, que definan a dos de las variables como funci6n
de la otra. Este tipo de representaci6n se llama implicita.
Una misma curva puede admitir diferentes representaciones parametricas, Si
C viene determinada par a (t) = (£XI (r), £X2 (t), £X3 (t)) definida en el intervalo
I de IR, y consideramos un cambio de variable 17 del intervalo J al intervalo I, tomando limite ~'cl
t = h (u), la composici6n ~ (u) = a (17 (u)) es otra representaci6n parametrica de C
11
J ------.. I
u------..t=h(u)------.. (x(h(u))=~(u)
7.16. Ejemplos
3
1. Sea la curva definida par x = t, Y = i', Z = t , t E R Si hacemos el cam
2 3
bio t = -2u, la nueva representacion parametrica es x = -2u, y = 4u , Z = -8u ,
U E IR.
2. Una representaci6n parametrica del segmento que une los puntas
A = (0,2, 1) y B = (3, -1, 2) viene dada par
x = 3t ; y =2- 3t : z = 1+ t ; t E [0, 1]
266
16. Definicion de curva. Recta tangente y plano normal
Q=r(t+h)
- S: hacemos el cam
= = 4u2 , Z = -8Ll,
Figura 7.6
267
7. Derivadas de orden superior 7.7. Definicion de
-
plano normal
Recta tangente. Sea C una curva diferenciable determinada por la representaci6n
parametrica r (t) = (x (t), y (t), z (t), Se llama recta tangente a C en el punto
P = r (to) = (xo, Yo, 20) a la recta de ecuacion
Desde un ::JlJ
Plan()norma'l.SeUamaplano normal a la curva C en el punto P al plano perpen como el Iuge; ;""J
dictl1aren P a larecta tangente a C en P. Su ecuacion es con dos gra,i ' ~
vectorial
cuyas variab.e- .J
Notemos que esta ultima ecuacion es el resultado de imponer la condici6n y su fronter.; :-~
de perpendicularidad de un vector generico del plano ((x - xo), (v - Yo), qui era de G? .. :"Ji
(z- zo» y el vector tangente (x'Uo), y'(to), z'Uo». les denomin i.r.. s
y no constar.:e
7.17. Ejemplo Ala fun, . - j
ficie C. y J '-.> :~
Calculemos el vector tangente, el vector tangente unitario, la ecuaci6n de
-t', Z = 1 + t3
la recta tangente y la ecuaci6n del plano normal a la curva x = t, Y =
en el punto (1, -1, 2) imagen de to = 1. ecuaciones para
rf{t) = (1, -2t, 3r') ; r ' (1) = (1, -2, 3) ; Ilr (1)11 = ~
f
r ' (1) 1
recta tangente
x-I 1'+1 z-2
1 -2 3
268
I~<)
con dos grados de libertad. La posicion del movil viene dada par una funcion
vectorial
ecuaciones parametricas de S.
=,1-1
7
~
,1 Q]jf) »-:':'>
~- )0
u y
269
7. Derivadas de orden superior 7. 7. Definicion de
Si la func.c.. i
Definicion de superficie parametrica. Una superficie parametrica S es la imagen que S es uno. supei
en ~3 de una region plana G por medio de una aplicacion continua. regular si lo- " :::~i
Como hay superficies que no pueden detenninarse par unas sol as ecuacio
nes parametricas, ampliamos la definici6n de superficie en el siguiente sentido. son no nulos y ._~
O. Par 10 tame ,= z:
I
F (x, y, z) = 0 b)
que define a una de las variables como funci6n de las otras dos. Esta represen
taci6n se llama Implicita. c)
Una misma superficie puede admitir diferentes representaciones parametri
cas. Si a (u, v) = (£Xl (U, v), a, (U, V), £X, (u, V)), definida en una regi6n G, deter d)
mina una superficie S y
U = 11) (s, t) ; v = 111 (s, t)
A
-----.
h G en donde ,i >
par las de ~ i ~_.:..: :.J
(05, t)-----.(h j (05, r), h: (05, t))-----.a(h (05, t)) = ~(s, t)
270
"',,,; :·n A y la region G, r(l/. v) = (a cos v cos It, a cos v sen u, a sen v)
:i~='-cnlacion parametri
o en forma de ecuaciones
271
Z Derivadas de orden superior 7.Z Definicion de
3. Una representacion parametrica del plano x - Y + .:: = 1 es x = u, )' = v, se les llanu. curv
z = 1 L! + V.
-r
rametro u, P: : ~.
4. Dada la representacion implfcita del cilindro ehptico x" + = 4, una 4l una iinica Ci..::-· ..:. .~
representacion parametrica suya es x = 2 cos u, y = sen II, Z = v. ridianos (!! =, :;'
5. Para encontrar una representacion implfcita de la superficie de ecua fera pasa UI~ .;:.. ~,
Clones
x =u + v , y =u - v , Z = uv , tu, v) E [R;2
1
II = -(x
2
+ .y)
~ I~.·.·(~.··
.. S
las ecuaci\\:· .}
~
r
.:
.': pecto a t
X'(tl =
272
-- = 1 -:5 x = II, Y = v, se les llama curvas de parametro 1'. Analogamente se tiene las curvas de pa
rarnetro /I. Por cada punto P = r (110. 1'n) pasa una iinica curva de parametro u y
•. :-~:~:.\.: + 4y2 = 4, una una unica curva de pararnetro v. Un ejemplo 10 constituyen en la esfera los me
ridianos (/I = constante) y los paralelos (v = constante). POl' cada punto de la es
:= .: superficie de ecua fera pas a un iinico meridiano y un unico paralelo.
,r ~
r
~-
. ,=0
•
.. de clase III :::: 1 en
I u
//
~ . : .. _:'iC\ curva contenida
~
Supongamos que P es un punto regular de S y sean
'" las ecuaciones de una curva C contenida en S que pasa por P Derivando res
pecto a t
• x'(t) = x.u '(r) + x:1"(t) ; y'(t) = y:,u '(t) + y;v'(t) ; z '(t) = z:,u'(t) + ::::.\1 'U)
\'
273
7. Derivadas de orden superior 7.7.
Definicion de :
en donde r; = ex:"
Y:" z:,). r; = (x', y:,
z:.). Como los vectores r:, y r: son lineal
mente independientes, ya que suponemos P regular, podemos afirrnar que
cualquier vector tangente a S en P es una combinaci6n lineal de {r.; r.}. Por
otra parte, es obvio que r; es un vector tangente a la curva parametro u, y r; es Supongarr '.:;:
un vector tangente a la curva parametro v, que pas an por P. finida en fon'·._:-=:
ci6n de clasec.: : . :
superficie ei: ,·:·.il
ficie en el pur.: .
z = (r), comen:.::..:. ~
en to, se tiene
~_--_"",-c/
-~~ /
luego VFi'.
(X2 = y'(tc,I, U: = ~
tangente. ell;, _ =-_J
274
-~ , :'~i':~metro U, y r:, es Supongamos que en el entorno de un punto (xo, Yo, zo) la superficie esta de
,t. ,=.
finida en forma implfcita por la ecuacion F (x, y, z) = 0, en donde F es una fun
cion de clase uno, entonces el gradiente V' F (xo, Yo, zo) es un vector normal a la
superficie en el punta. En efecto, sea (al, al, (3) un vector tangente a la super
ficie en el punto P, es decir, tangente en P a una curva x = x (t), y = Y (t),
Z = (t), contenida en la superficie. Derivando F (x (t), l' (t), Z (t» = 0 respecto at
en to, se tiene
f
luego V' F (xo, Yo, zo) es normal a cualquier vector tangente, al = x'(to),
al = J"(to), a3 = z'(to). Como consecuencia es un vector caracteristico del plano
tangente, cuya ecuacion viene dada por
DIF (xo, Yo, zo) (x - xo) + DlF (xo, Yo, zo) (v - Yo) + D 3F (xo, Yo, zo) (z - zo) = 0
!.
7.19. Ejemplos
t i:~ punta regtllar P al 1. Detenninemos las ecuaciones de las curvas parametres de la esfera
n
x = 2 cos-cos u x = cos u
3
~';;:5
l"='-
n
.v = 2 cos-sen
3 u ¢:::}
v = sen u 0 ~ u ~ 2n
tt
,- _ recta normal a S en z = 2 sen- r;::;
""'7-. = 'V,)
3
275
7. Derivadas de orden superior
n
.:. Para (':"':::"-;1
J: = 2 cosv cos- x = -J3 cos v
6 variable- :-]
n trata Q= ~~
.I' = 2 cos v sen -6 <=> I' = cos V .:. EI teGl::::~·.:i
mediante :l:
z = 2 sen v z = 2 sen v
jar e~ lCo l?!
minad: :='<'1
2. Calculemos el producto r; /\ r, el vector normal unitario N, la ecua del puc: e
cion del plano tangente y la ecuacion de la recta normal a la superficie de ecua .:. Obser oC'~
ciones la tunc: ~..
metod: Sl
x = u - \' Y =u+ v , Z = ltV tu, v) E ~1 par otr. ;; ~
do).
en el punta P = (1. 3, 2). .:. La Si£L~::~
r (u, v) = (u - v, u + v, uv) r, tu, v) = 0,1, v) r,' (u, v) = (-1, 1, u)
nos er: ;,:~. !
j k minim: lb
bles: ': R.
r,;/\ r: = 1 1 v = (u - v)] - (u + v)j + 2k
contin.i; =:
-1 1 ul absolu.: y
r'/\r' 1 .:. C na r;-,l:-:C'
N = II'~ ,II = -v2u'
I' , tu - v, - u - v, 2) en un .: ~:J
r" /\ r,' +2v' + 4
.:. L n C l-=-_ =-.=~
cion ::-.> e.:
EI punta (L, 3, 2) es la imagen de It = 2. v = 1. EI vector normal unitario en .:~ El or: ~:-:.
P es N = (1, -3, 2 )/-{14. La ecuacion del plano tangente es (a, i'· :::-: ~
coorc,,:.:j
(x - 1) - 3 (y - 3) + 2 (z - 2) =0 ::::::> x - 3)' + 2z + 4 = 0 gene:-,,::,,_ . ..=...J
.:. El c.::.:-:, :-:.
y la ecuaci6n de la recta normal dL·".' '
po!.::.::-:-;.
x-I .1'-3 z-2 .:. El tc::-~:-::;
1 -3 2
276
Recordemos que
Recordemos que:
.:. Para obtener una derivada parcial, consideramos constantes todas las
variables excepto aquella respecto a la que vamos a derivar, es decir, se
trata de hallar la derivada de una funci6n de una variable.
•:. El teorema de Taylor aproxima la funci6n f en un entorno de un punto
mediante un polinomio P Cuanto mayor es el grado del polinomio me
jor es la aproximaci6n. El error cometido al sustituir fpor P viene deter
minado por el resto R, de modo que cualquier cota de IRI en el entorno
'- _ ..nitario N, la ecua del punto es una cota de If- pI.
suoerficie de ecua-
to _ .::. .:. Observese que en las condiciones de extrema relativo el dominio A de
la funci6n se ha supuesto abierto y que s610 en este caso es aplicable el
metodo. Si A no es abierto, es necesario estudiar por un lado lnt (A) y
por otro el resto del conjunto A (1a frontera de-A en caso de ser A cerra
do) .
•:. La siguiente propiedad de las funciones reales de una variable: «si f es
r '1=(-1,1,1/) continua en un intervalo cerrado y acotado I, entonces f alcanza al me
nos en un punto de I su maximo absoluto y al menos en un punta de I su
minimo absoluto», se conserva para las funciones reales de varias varia
bles: «si K es un subconjunto cerrado y acotado de [R" y f: [R" ~ [~ es
-=1..
continua en K, entonces f alcanza al menos en un punto de K su maximo
absoluto y al menos en un punto de K su minimo absoluto» .
•:. Una manera de comprobar que f no posee maximo (minimo) absoluto
...., j
en un conjunto M es encontrar una sucesi6n {x,,} de M tal que Ilx,,11 ~ 00 •
•:. Un cambio de variable local (global) necesariamente ha de ser una fun
ci6n inyectiva y continua en el entorno del punto (en todo el dominio).
: :- _- _~ normal unitario en •:. El origen de coordenadas siempre se puede trasladar a cualquier punto
to;: -:' (a, b) de [R2, por 10 que considerar (0, 0) en la aplicaci6n del cambio a
coordenadas polares para el calculo de lfmites dobles no resta ninguna
->--1-=0 generalidad al procedimiento.
•:. El cambio a coordenadas esfericas nos permite una aplicaci6n al
calculo de lfmites triples, totalmente analog a a la de coordenadas
polares .
•:. El teorema de la funci6n implfcita nos proporciona condiciones sufi
cientes para su existencia. En general no se puede determinar su expre
si6n, pew sf sus derivadas en cualquier punto, para 10 cual se debe deri
277
7. Derivedes de arden superior
tangente (1, 0). Como consecuencia, se debe tener en cuenta que aun
que en una determinada representaci6n el vector derivada en un punto
sea el vector cera, la curva puede tener vector tangente. En otras pala
bras, un punto puede ser regular para una representaci6n y no serlo para
otra.
Prerrequisitos
~0,E":::Ij]j4'fjL,-,.-"-.
• Inte~.:~ ,..
Part i'::',;-:
SUI'll::' 'IJ
Imec:-..:· ,
DeI~:'_':::~
Ime=.Co'::-;
nu~j:..:.':':-·~
Caro-.'::':.::'
278
El calculo del area de un recinto plano limitado por el eje Ox,las rectas x = a,
x = b, y la curva Y =f(x) definida en el intervalo [a, bJ, condujo al concepto de
integral simple (Figura 8.l.a). El calculo del volumen de un cuerpo limitado
par los planos z = 0, x = a, x = b, Y = c. Y = d, y la superficie z =f(x, y) definida
en el rectangulo [a, bJ x [c, d} conduce al concepto de integral doble (Figura
8.l.b). En ambos casos las definiciones son totalmente analogas.
Seafuna funci6n real definida y acotada en A = [a, bJ x [c, d]. Una parti
cion P del rectangulo A es una colecci6n de puntos P, x P l , en donde PI es una
participaci6n de [a. bJ Yr, una partici6n de [c, dJ, que determina una colecci6n
de subrectangulos (Figura 8.2). POl' serf acotada existe su supremo y su infi
mo en cada subrectangulo Q de P. Si representamos por M(f, Q) el supremo de en donde : ' .:::,
fen Q y por IQI el area de Q, entonees la suma de IQI M(f, Q) para todos los Analogan.e.i.e "
subrectangulos de la partici6n se llama suma superior de Riemann S(f, P) de para todo- :- " ~~
f respecto de P, es decir, dej'respec: ~e j
mo, cualJL:=~": I
En otr ; c :-.::.1
to de tod:F> ;
d las sumo." :--=';;~
y
I de las sW:'.:· 'J
--II presentan f::
b
x
Figura 8.1.
respect» .:': =:-:;.
que todo " . -..:
280
~ -'J
~ --:jujo al concepto de
.1'2
! .'-:: ,"11 cuerpo limitado
.1'1
C
r:'::::-:-:: =/(x. v) definida
Lf Lf y
281
8. La integral multiple
Una cond.c..»
rectangulo A C' :.:
Con
cada
En efecrc. '.5
8.1. Ejemplos superiores y Cc :'-~
representa e: .:"j
1. Veamos que una funci6n constante f(x, y) = k es integrable en cual
quier rectangulo A de ~2 y su integral es k IA'. En efecto, cualquiera que sea la L{=:~
partici6n P
resulta
282
8.2. Funciones integrables
'"
En efecto, si se cumple la condicion, es evidente que el Infimo de las sumas
~~ ~~ integrable en cual
,!" .ualquiera que sea la fA f = inf {set, P):P E -P(A)} = sup {set, P):P E P(A)} = Lf
r -: A,: y la funci6n es integrable.
=:: AI
Recfprocamente. Sea E> 0 tan pequefio como queramos; por las definicio
.:::- _!;]stantes y las inte nes de Infimo y supremo, existen respectivamente dos particiones P' y P" de A
tales que
~:.son racionales y
f::;~; s(f,p")-f. f::;~
'-' ,', I
283
8. La integral multiple
as _ -
Como par hipotesis f es integrable, se tiene es integrable. :':...1;
nal del cmd:.::::"
2. La fL:-.:~
J.f=L.t es integrable :::"
de A es 1.
y sumando las desigualdades resulta
Si f; P) - sif, P) ~ £ D
8.3. Integraci6n!
Las funciones continuas en A son integrables, pues para todo valar £ > 0
tan pequefio como querarnos, podemos encontrar una partici6n P, de modo que
en cada uno de sus subrectangulos Q 10. diferencia entre el supremo Met: Q) Y Record.:::,·:,
el Infimo mi], Q) sea menor que E. Como consecuencia par 10 tanto _:. l
mas una IUr:~:':'j
S(j, P) - stf P) =L [<1I,1(j; Q) - mi], Q)J IQI ~ E IAI nida par
y se cumple 10. condici6n de integrabilidad de Riemann.
Existe una caracterizaci6n de las funciones integrables, conocida can el
nombre de tearema de Lebesgue, de aplicaci6n muy sencilla, cuyo enunciado
damos a continuaci6n.
La fun.:
una funcior, ::'.11
Car3tterizacion de las funciones integrables. f es integrable en A si y s610 si el gulo A Y 7,.::..: ;';
conjunto de los puntas de discontinuidad de f en A tiene area nula.
La demostraci6n puede verse en [6] tom a II. La mayor parte de las funcio
nes que utilizamos en 10. practica a bien son continuas a bien su conjunto de
puntas de discontinuidad es un conjunto fin ito a numerable, par 10 tanto son
integrables.
8.2. Ejemplos
284
83. !nf-""",r£"'",",,,,=',,';'~ ;::,...;i:<~.r.. Ul::
:;:C~:;'~':::JS«~=~:':1E -:,..~L"::-_"E~
U"iI rr~ ...;rntn ::i .......
I:'v~B!3!i:::V ~'!!V'v
tedo
~\!.~v
......
D
8.3. Integraci6n sobre un recinto acotado
i ::::.:..: rodovalor E > 0
ar-:,:.'TI P de modo que
:-:: '--,;,rc:mo M(j; Q) Y Recordemos que un subconjunto M de [R2 es acotado si existe una bola, y
por 10 tanto un rectangulo, que 10 contiene, A cada subconjunto M Ie asocia
mos una funcion C M de [R2 en rR, Hamada Iuncion caracterfstica de M, defi
t." . : ; .: ...11
nida por
.uvo enunciado
M
o
si (x, y) rl: M
Ii;.
-..~, Z =lex, y)
/.~ ..•.....•....... -~'
'--.c''''' -u conjunto de ; /.: -: ~"'<'."' ..: :-<'-_:~-- '"'::-:.
:r-.:.::-::. cor 10 tanto son t:~;~< f. ~
~ /..~
1"".. 1;/
.)- =;;::
I
:;- : v
--'---:-----:---- : ~ ~
~/:~:~~-~-~-~f_~-~-~.\ A
. /' ,r
x 'M ~ ~ ~Fr(M)
285
8. La integral multiple
-
La suma co:- 1,{
Integracion sobre un recinto acotado, Se llama integral de j sobre M y se repre total venga ,].::.:::, ;
S.enta por Lf a la integral de la funcion producto jc'H sabre A, siempre que dicha
Jint~gral exista.
o bien, en CJ.S·: j,
rada
L[i», y) dx dy
286
8.4. Integraci6n reiterada
La suma de los volumenes de todas las bandas nos sugiere que el volumen
total venga dado par la integral reiterada
b fd
fa dx c j(x, y)dy
o bien, en caso de considerar franjas paralelas al plano xz, por la integral reite
rada
.u conjunto de .1 fb
~ -- -" fc dy a j(x, y)dx
b~~'..:~cme "C~l es in
, .-~ t e TO de M tiene
-r-
,2_~ utiliz amos en la Al margen de las consideraciones intuitivas hechas, podemos preguntarnos
L':: 2~ferenciable, el
en que condiciones las integrales reiteradas existen, son iguales y coinciden
::: ~~ ::,.:;.1 tarnbien se con la integral doble. De esta manera, disponemos de un metoda para calcular
integrales dobles par medio de integrales simples
-
~~. r.;:mlOsjpositiva
"'--,,~, ',,.> -
___ - -j(x )1)
... .L ...... ....., - , •
c
b
287
~.,
8. La integral multiple
c a
yaque
f(x,y)d.r
Corne ~~
Vamos a razonarlo para 1a primera integral reiterada, analogamente 10 ,c' .: -
g(..r) = rc
fCr, y)dy ; g/x) = r),,-1
f(x. y)dy
teniendo er; ..:.=~
Supongamos que M r'1 y m r'1 son el supremo y el Infimo defen el subrectan
gulo Qr'1 = [xr_ 1, X,] X [Y'1_I, )''1]. Se verifica:
m,'1(Y'1 - )''1- 1) ~ gix ) ~ M,,/y'1 - )''1- 1)
resulta
para cada x E [X'_I. x.}, Sumando respecto a q, se tiene:
111 m m
I
q=l
I1lr~(Y~ - Y~-I) ~ I s, (x) = g(x) ~ I
17=1 q::::l
Mrq(Yq - Yq-)
Si en . _= .A
Fijemos para cada r un punta x~ del intervalo [x r _ 1, x,]. Si multiplicamos la dos curv«
desigualdad anterior por (x, - xr-J y sumamos respecto de r; resulta:
11 ttl /I
I
rc::l
(r, - xr_J Iq=l
mrq(Yq - Yq-l ) < I
1'=1
Crr - Xr_l)g(J~J~ definidas e:- -c,
< i
r=1
(x, - X,_I) f'1=1
Mr,/Y q - )''1-1)
288
£14. lnteqrscion reiterede
a 10 que es equivalente
n
stf, P) ~ L (x; - Xr-l)R(.r;)~ SU, P)
r:::l
[1]
ya que
sif, P) = L r, q
In rq(x, - x r_1)()'q - )''1-1)
:..:?~~
I:C
S(f, P) = L M rq(.\ - ,:rr_l)(Yq - Yq-l)
r, q
resulta
- ~~
Si en vez de un rectangulo, el recinto de integraci6n M esta limitado par
.:. . . :. . . ~..:.;_~~ _2
-._-~----~
dos curvas
y = hj(x) , y = hix)
definidas en el intervalo [a, b], tales que h, (x) ~ h-. (x), tenemos
b r''t,rx)
IJf
lex, y)dx dy = I
a
dx J,.
h1 ( x )
lex, y)dy
289
'"
8. La integral multiple
Analogamente, si M esta limitado par las curvas x = hj(y), x = h2(y) defini 8.5. Cambio de
das en el intervalo [c, dJ, tales que hj(y) ~ h 2(y), tenemos
d lh'(\')
f
M'
[t;x, •v)dx dv• =
1dv··
c' h
l
( ,, ) '
{(x, v)dx
• El calcu.c ~
riables apr,,;,,;:;:
8.3. Ejemplos
1. Sea
M={(X,y)EIR":(y-4)/22X2-..)4-y ; yE[0,4]}
x=-..)4-Y ; x=(y-4)/2
1. .\ l~~:j
culerno- l.; .~;~
en donde
Observese que la recta y la parabola se cartan en los puntos (0, 0) y (1, 1).
290
b ~~~~T<::S
fLf (x, y)dx dy== Bt.fff:4(~!~~~, '~2~1~~·,g~Jj.~~~~f~j~lci!rj,;4v
La demostraci6n de este resultado sale fuera del prop6sito de este libro y
puede verse, por ejemplo, en [6] tomo II. El factor IJ(u, v)1 desempefia el papel
:' --=--'::.. . analogo a g'(t) en el cambia de variable para la integral simple (g creciente)
J: f(x)dx = r fEfi(t))g/(t)dt
Otra cuesti6n importante es que el resultado sigue siendo valido aun en el ca
so de que g no sea inyectiva 0 se anule su jacobiano en un conjunto de area nula.
\/ - ..:~,,=: r-C'f 1;.=;.
8.4. Ejemplos
I = If
iYJ (x
2
+ v' )dx dv
~ ~
en donde
~-- 2 2 0
M = {(x, Y) E lR. : x + Y- S 1)
291
c.
8.
J(p,8)=
cos 8 -p sen e =p
8 p cos 8 Elconce;:-:)
Isen
na dificultad .; c
y el recinto en coordenadas polares llama triple. e= ~
finida y aC"ciji
T = {(p, 8) E [R2 : 0 ~ p ~ 1; 0 ~ e ~ 2n}
par 10 tanto
y ccnsideran..s
tenemos UTI'::' ;:-.2;]
subrectang u.
S(j; P) Y 1.:<.2'
2. Calculando cada una de las integrales, comprobemos que
par repen. ic r; e
ble.
II'
Ju
cLrd\"=II
. T
IJ(u.v)ldudv
Analoc '::'::',C'l
puntas de G:<·~
sienda g el cambio de variable bre un recir ; ""
teristica de :.! F
x=u+v y=v-u
y Tel triangulo del plano uv de vertices (0, 0), (2, 0) y (0, 2). En efecto:
Jtu, v) = II 1 11 = 1+2u
1-2u 1
I
2 IX .d\"= f2 714
II,If
dxclY=
•
f0 dx - c ' 0
(.:r+x-)dx=
3 en donde
2 f7_1! f2 14
If (1+2u)dudv= f O+2u)du
T O O
dv=
()
(2u+l)(2-u)du=-
3
292
8.6. Integral multiple
y consideramos una partici6n de cada uno de los intervalos que definen A, ob
tenemos una partici6n P = PI X P 2 X P 3 de A que determina una colecci6n de
subrectangulos Q. Para cada partici6n P podemos definir la suma superior
S(f, P) Y la suma inferior s( I, P) Y establecer el concepto de integral triple
T:':- ~ ~ cue
por repetici6n exacta del proceso desarrollado en la definici6n de integral do
ble.
Analogamente al caso n = 2, j es integrable en A si y s610 si el conjunto de
puntos de discontinuidad de j en A tiene volumen nulo. La integraci6n de j so
bre un recinto acotado M contenido en A se define a partir de la funci6n carac
teristica de M. Para n = 3 se tiene
'i(.\")
J'z,(x,V)
- _- j (x, y, z)dz
::1(.1:,)')
en donde
• 14
;_~u ==
3
Z = Zl(X, y) ; ::. = Z2(X, y) ZI (x, y) s; Z2 (x, y)
293
J' _~~~-~~
:z --- -----
-
F
8. La integral multiple
son dos superficies que limitan el recinto M, cuya proyecci6n sobre el plano xy
es un recinto limitado por las curvas
en donde
a b
I / //'
~
' / },=" (x) /
I
,
-' 1 ~
"/
y = Y2 (x)
y
294
8.6. Integral multiple
1. Calculernos
1= fft xyz dx dy d:
'x. yi
en donde
-- M = (x, y, z) E [R
3
: x2 0 ; y2 0 z20 x
2 ') -i
+ y' + z S I}
Por integraci6n reiterada:
~
I = rl x ax Jr\'I-X' .v dv r,l-X'-" z d: =
Jo o , J o
I ,1-x'1_x 2 _ 11' 2
=rxdx r
Jo Jo .
v 2 '11Y= .
l i'·I-x: 1 ,
io x ax -2'(v
1
=
0
x\'-
. ,y )clY
. =
__ ~. .\1,'.
IiI
[. \ -2- '- , \ - -2 -, . \ 4 "J =
=
.I-x r 11-.:c .. (1-x-t I' C\
2 0
1 2 2
M = {(x, y, z) : x 2 0 ; y 2 0 ; z 2 0 ; x' + y S r ; Z S h}
- Calculemos, mediante el cambio a coordenadas cilfndricas
r;c~ ::;:,.1 Ten el recinto
x = p cos e , y = p sen e , z = z
295
~;
"lI!i'-'
;-. . -~~.e::::----~~--- -
-~~ """"IiIIiIIiiIiIiii _
8. La integral multiple
la integral
yAI
.
I
1= fft (x 2
+ /)elx dv d: i
I
Se tiene:
01
T = {(p, e, z): 0 5, p 5, r ; 05, e 5, tt / 2 ; 05, z 5, h}
I
cos e -p sen e 0
J(p,e,z)= sen pease 0 =p
001 y+
I
I
'A
li
I
---/
, - -:~-
...
i
!
i
\- ~ .. .
Los re.::-,::·,;:
Recintos proyectables planes, Un recinto M decimos que es proyectable respecto nidas en c' . c,.,
al eje Ox (al eje Ov) si las rectas paralelas al eje OV (a! ejeOx) cortan a su frontera
eje Ox. A1'i.: ~.:...i.
como maximo en clos puntos, salvo en las partes de frontera formadas par segrnen
Xl (y) 5,).: ~ _,
tos paralelos al eje Oy (al eje Ox).
proyectab., - - ~
296
#"~ ~
<"!; ."
",:#,.1", Apticeciones de fa integral
y. Yf
-~------~--------
~,~.: -~
I Cb
Recinto proyectable
)0 x
o
(
~
Recimo proyectable
)0 x
f~
YJ
rt~
,
y
- ------t-~J---- --i----~--------------t---·
Ii: "\ :
ii' j
~,
~ ,,
-
[=-~,.=_:ijo los recintos
: -:: .::.:c::: de los proble
o
Recinto no proyectable
sobre ningun eje
~x
o
Recinto proyectable
sobre los dos ejes
~x
~. nrn~··=-table
I:t?- ~
-.J'-'"
Los recintos limitados par dos curvas y = YI (x), Y = .\'2(X), Yr(x) ::;; Y2 (x) defi
nidas en el intervalo [a, bJ y par las rectas x = a, x = b son proyectables sabre el
~ ~~l1'1an a su
eje Ox. Analogamente los recintos limitados par dos curvas x = XI(Y), x = X2 (y),
madas par
XI (y) ::;; X2 (\') definidas en un intervalo [c, d] y par las rectas Y = c, Y = d son
proyectables sabre el eje Oy.
297
'"
8. La integral multiple
Recintos proyectabl
table respecto 3 <iT; ~
//~.7 la frontera de ,if '~"'i
i ",---'-')
Ifneos perpendicul~
Il . · · -. J
I
I Si un :':-: .:-.I
I~:
. :7' sobre ~l C' ..' r
v = .\', (.\:) ficies i ~y: _. _:~
) planodc_' .~
a b
mayoria C:c .
Figura 8.7, Recintos proyectables cuyas fronteras contienen segrnentos per los plan", _ '.
pendiculares a los ejes de proyecci6n cintos pr:-.:- _~.1
recinto- c"_ . ::
La J~::". '.
Si el revi:': ',j
y=Y, r.-,. -.
o
-+----------~
.r
•
.v
Figura 8.8,
El caso de los recintos del espacio es anal ago a los del plano. Aquf la pro
yecci6n se considera sabre uno cualquiera de los tres planos coordenados.
298
8.7. Apllceciones de fa integral
ro
J = J'r
"
I
./.\-1
,II' dv,
L,...
-
299
8.
Figura 8.9.
8.6. Ejemplo
300
8.7. Aplicaciones de la integral
5= If,
-.vI
dx dy = If
;v/j
dx dv + If"'1 ~
dx dv =
/ /
= In 2
- O L ..... 112
k-_
~. - . - -
y
1
:2
.:
.. ~7
xy= I
----~
1/2 x
_~c. ~'or la hiper-
, ~",cintos M, Y
<
301
~
r- - - ~ ~ ,e:::::::.-- - .c;:::::::--- I:Z" ~~- ~
8. La integral multiple
!
Volumen de un cuerpo. El volumen V'de un recinto M del espacio tridimensional I
viene dado por I
,
\ =
T1 JrIol ] Ii"". u,/.. . .
r ". I."\.-
d.\. 7 I
-H I en la inte~.:.:· ,j
fericas
siernpre que dicha integral exista.
Sea M un recinto proyectable sobre el plano XY. limitado par las superficies entonces c . 0 __ •
Z = ZICr. Y), Z = Z2(X, Y). definidas en el recinro M' proyecci6n de M sobre el pla
no xy tales que '::2(X, Y)::::: '::1 (X. Y). Supongamos que M' esta limitado por las cur
vas y = YI(x). Y = ,\'2(X), definidas en el intervale [a. b] y cumplen Y2(X) ::::: ."I(X)
(vease Figura 8.5). El volumen de M viene dado par
T/_
~ -
r ~i"lo
1/
","
(,. c, ~
4, \.',:'
.' __
""l\·l.\
r;' ...... ~ (0,. ,,)--
.,~.}. ....·1 (,. "\'),1,'
.'~". \ J '- _~
En caso de ser ZI(X, v) = O. es decir, el plano X\'. resulta par 10 tQC· r. '
302
8.7. Aplicaciones de la integral
4 ,
8\/=-nr
3
303
a (b)
.4. rea de una Sll~
do M del plano .'}~ 1
=;
I I
(' a (tJ
I
t
.~
j..
a (A) II siempre
.' •. • •
que did!:ol
~
i
a la superr.: '-c
!= j
0
lf I, ' ) 'T
[e-(cost-sentr+e-Csent+cost)-+e-] -dt=
-i 'r 1/'"
= riC
Jo
-J3 e'dt = -J3 (e" -1)
304
8.7. Aplicaciones de la integral
I Area de una superficie. Sea z = zex, y) una superficie definida en el recinro aceta
.. ----: do M del plano };:y. E] area S de 10. superficie viene dada pot 1aintegral
Jf
S = •3 ~1
i
+ z,,2 + Z," dx dy
M
yo. que un vector normal ala superficie es (z~, ;:;, -1) Y un vector caracterfstico
del eje (0. 0, 1), se tiene
I 1- x.)lIZ,)...
lH1-l( (') Jl+. "y
7'2 + ~y
7'2
__ .magen de t = 0 Si hacemos 10. sumo. para todos los subrectangulos de 10. particion obtene
mas una expresion de 10. forma
=e' "" Ll1+z'(x
!(r)m()'.I'V y.)2+ ""'v
7 .' (X. ,-,)2
~ \') x'i'-j- l'-'j
i·1
.i! =: que es una sumo. de Riemann de 10. integral sabre M de 10. funcion
.;
305
I I
I ,
I I
I ,
I L
I I I I
• •Q
306
Recordemos que
II
"
(j \I
1- -+ e'
'"
r
~ .; integral de la
307
., ,. ,- ~~ .c::::::--- - ~
iiCiiI
-
8. La integral multiple
I
.:. Para determinar las integrales reiteradas en un dominio de integracion
proyectable D de IR" se debe proceder de la rnanera siguiente:
Ejernpl I
.:. EI procedimiento anterior es valido cualquiera que sea el mimero 11 de
variables .
•:. La integral de una funcion j no varia si se suprime en el recinto de inte
gracion D un subconjunto de medida nula (longitud, area, volumen, ".j .
•:. Como consecuencia de ]0 anterior, un cambio de variable sigue siendo
valido aunque su jacobiano se anule en un subconjunto de medida nula
de D. (En realidad el cambia esta definido en D menos el subconjunto una lii: :.
de medida nula). de la .',:. ."
.:. Es necesario observar bien el recinto D para saber si existe un cambio ecuac: ,."
de variable apropiado que facilite el calculo de la integral. ra. Q,,-
.:. Al efectuar un cambio de variable en una integral, el factor par el que se
multiplica el integrando es el valor absoluto del jacobiano.
308